Data Scientist | Ingeniero en Computación con enfoque en Inteligencia Artificial Ambiental. Egresado de la Maestría en Ciencias Computacionales con experiencia en el desarrollo de modelos predictivos usando Machine Learning, especialmente para aplicaciones ambientales. Autor de una tesis en la que se aplicaron técnicas como Random Forest, XGBoost, redes neuronales, simulaciones Monte Carlo y optimización bayesiana para estimar índices de eutrofización. Manejo intermedio de Python, análisis de datos. Busco aportar mis habilidades en ciencia de datos, modelado predictivo y desarrollo de soluciones escalables en ambientes multidisciplinarios.
Lenguajes de Programación:
Python (avanzado), SQL (intermedio), Java (básico)
Librerías y Frameworks de Ciencia de Datos:
Pandas, NumPy, Scikit-learn, XGBoost, LightGBM, Matplotlib, Seaborn, Optuna, TensorFlow
Desarrollo y Despliegue de Modelos:
FastAPI, Flask, Docker, Railway, Render
Estadística y Análisis de Datos:
Machine Learning:
Bases de Datos y Consultas:
MySQL, SQLite (modelado y consultas básicas)
Herramientas y Entornos de Desarrollo:
Git, GitHub, Jupyter Notebooks, Google Colab, VS Code, CLI (Linux)
Visualización de Datos:
Matplotlib, Seaborn, análisis exploratorio de datos (EDA)
Idiomas:
Español (nativo), Inglés (avanzado – lectura, escritura, conversación)