|

Sistemas de machine learning en producción, con foco en interpretabilidad e impacto medible.

PythonKedroscikit-learnMLflow

PROYECTOS DESTACADOS

Trabajo seleccionado

BizSentinel

Completado

Plataforma de ML end-to-end para inteligencia de clientes en e-commerce

97,896Clientes procesados
1.47%Tasa de anomalías
82%Cobertura de tests
127Tests unitarios

Detecta clientes de riesgo, transacciones anómalas y fuga antes de perder ingresos - 97.896 clientes de e-commerce pyme evaluados de punta a punta.

PythonLightGBMScikit-learnKedroMLflowFastAPIDashDocker

Hardware Pulse

En curso

Inteligencia de precios de hardware para el mercado uruguayo

3+Retailers integrados
4Categorías de componentes
3Etapas de resolución
PydanticContratos de datos

Ayuda a los compradores uruguayos de PC a elegir el momento de compra y el retailer más barato en GPUs, CPUs, SSDs y RAM.

PythonBeautifulSouppandasSQLiteRapidFuzzScikit-learnStreamlit

Music Taste Recommender

Completado

Motor de recomendación híbrido orientado a negocio

+267%Mejora de diversidad
0.89Relevancia mantenida
217KCanciones procesadas
500Usuarios simulados evaluados

Ayuda a los oyentes de streaming a descubrir más catálogo sin perder relevancia - lleva la diversidad de géneros del 19% al 70% con relevancia 0,89, para que exploren en vez de irse.

PythonSentence-TransformersScikit-learnStreamlitHugging Facepandas

SKILLS TÉCNICAS

Con qué trabajo

Machine Learning

PythonScikit-learnLightGBMKerasSHAP

MLOps y pipelines

KedroMLflowPrefectDockerFastAPI

Data Engineering

pandasSQLitePostgreSQLBeautifulSoupLinux

Frontend y visualización

StreamlitDash

EXPERIMENTOS Y NOTEBOOKS

Lab

Clasificación de imágenes deportivas

Clasificador de imágenes con CNN entrenado para reconocer categorías deportivas a partir de fotos.

CNNComputer VisionKeras

Clasificación de enfermedad cardíaca

Comparación de SVM contra Random Forest sobre 918 ejemplos. SVM alcanzó un F1-Score de 0,897 en test.

SVMRandom ForestFeature SelectionClassification

Detección de fraude con tarjetas de crédito

Detección de fraude con clustering y detección de anomalías sobre datos de transacciones desbalanceados.

Anomaly DetectionClusteringImbalanced Data