Sistemas ML end-to-end: desde feature engineering hasta APIs en producción, con foco en detección de anomalías, forecasting jerárquico y LLMs locales.
Magíster en Data Science · Universidad de Tasmania · Beca ANID
Actualmente: Data Scientist en el sector energía solar (Azure ML · Power BI)
| Proyecto | Qué resuelve | Resultado clave | Demo |
|---|---|---|---|
| fraude-tarjeta-credito | Detección de fraude con costo asimétrico y threshold tuning | LightGBM + XGBoost · FastAPI · 44 tests | ▶ Demo |
| staff-sizing-portfolio | Analítica de dotación de personal y planificación de headcount | BigQuery · GCP · Looker Studio | ▶ Demo |
| latam-uniforms-portfolio | Forecast de demanda y plan de compra de uniformes · aerolínea LATAM | BigQuery · forecast 3 escenarios · safety stock 95% · plan de 14.838 u | ▶ Demo |
| meli-shipping-forecast | Demanda de envíos · 27 estados · dataset Olist | WAPE 0.4042 · conformal prediction · Streamlit deployado | ▶ Demo |
| credit-scoring-ml | Scoring crediticio end-to-end: scorecard WoE/IV + XGBoost, score estilo FICO, explicabilidad SHAP | AUC-ROC = 0.866 · Optuna · FastAPI · Streamlit deployado | ▶ Demo |
| anomaly-detection-llm | Detección de anomalías en logs IT + agente LLM con memoria | F1 = 0.947 · LOF · LangGraph · Evidently · 90 tests |  |
ML & modelado
LLMs & agentes
MLOps
APIs & serving
Datos
