Trabajo seleccionado, resumido con cuidado cuando el proyecto es privado.
Sistema para reducir trabajo manual de conciliación en equipos contables. Combina parsing de hojas de cálculo, matching determinista, interfaz de revisión y revisión asistida con LLMs para separar coincidencias claras, casos ambiguos y preguntas accionables. Objetivo: revisión más rápida y auditable sin ocultar la evidencia.
Sistema complejo de agentes, recuperación de conocimiento y procesamiento documental para una escuela con mucho contenido especializado. Construido con Next.js, APIs Node, jobs de procesamiento en Python, búsqueda vectorial, embeddings, reranking y respuestas LLM en streaming. El objetivo no era solo una interfaz de chat, sino convertir conocimiento interno en una experiencia de aprendizaje consultable, trazable y mantenible.
Aplicación en producción para coordinar expedientes, documentos, estados, revisión humana y handoffs en un flujo legal de alta carga documental. Construida con React, FastAPI, workers asíncronos, storage, colas y extracción/revisión asistida por LLMs. El valor fue convertir un proceso artesanal en una operación trazable, medible y mucho más rápida sin exponer detalles sensibles del dominio.
Producto en desarrollo para equipos operativos que necesitan pasar de hojas dispersas a una interfaz de trabajo más clara, revisable y exportable. Construido con React/TypeScript, componentes de mapa, import/export de hojas de cálculo, reporting en PDF y gestión cuidadosa de estado. El foco está en usabilidad diaria, control de restricciones y menos coordinación manual, sin exponer mecánicas específicas del dominio.
Pipeline de producción para recibir documentos operativos, extraer datos estructurados con GenAI, validar resultados y enviarlos a SAP. Lo importante no era una simple clasificación, sino convertir documentos desordenados en registros de negocio usables, con menos entrada manual, menos errores y menos fricción entre soporte, operaciones y back office.
Conjunto de sistemas rápidos en analítica empresarial, flujos de voz, productos de datos y generación de contenido. El patrón común es convertir necesidades ambiguas en sistemas funcionales o piezas listas para traspaso, con suficiente arquitectura, despliegue y documentación para que sigan siendo útiles después de la primera presentación.
Herramientas open-source alrededor de asistentes de programación con IA y flujos documentales, incluyendo mejoras prácticas para edición basada en Markdown e inserción de documentos grandes. Proyectos pequeños y utilitarios, pero pensados para quitar fricción en workflows reales asistidos por agentes.
Diseño de vaults y sistemas de contexto que convierten notas, reuniones, proyectos y decisiones en bases de conocimiento útiles para humanos y agentes de IA. No es solo ordenar Markdown: es estructura, convenciones, grafo, recuperación y memoria operativa.
Trabajo de máster alrededor de álgebra lineal computacional: métodos matriciales, descomposiciones, estabilidad numérica y modelado aplicado. Especialmente relevante como infraestructura matemática para optimización, machine learning y sistemas de datos.
Trabajo de máster sobre técnicas numéricas y computacionales para ecuaciones diferenciales. Está en la intersección entre matemática aplicada, simulación, aproximación numérica y computación científica.
Proyectos de robótica con C++ y trabajo algorítmico alrededor de problemas de percepción/control. Relevante porque muestra comodidad con ingeniería de más bajo nivel y sistemas con restricciones físicas.
Proyectos de curso alrededor de procesamiento de imagen y métodos de visión por computador. Base útil para extracción documental/visual y sistemas de IA multimodal.
Trabajo universitario de optimización matemática: modelado de funciones objetivo, restricciones, métodos numéricos y problemas de decisión. Base útil para sistemas posteriores de planificación operativa y asignación de recursos.
Proyectos de curso alrededor de modelado probabilístico, incertidumbre, priors/posteriors e inferencia estadística. Lo relevante es la comodidad razonando bajo incertidumbre, no tratar las salidas de modelos como verdades absolutas.
Trabajo aplicado de modelado: aprendizaje supervisado, evaluación, selección de modelos y trade-offs estadísticos. Un puente entre fundamentos matemáticos y machine learning práctico.
Proyectos de implementación y experimentación con redes neuronales, entrenamiento, evaluación y los detalles prácticos que hacen que un sistema de ML funcione más allá de las fórmulas.
Entorno custom de Gymnasium alrededor de Snake, útil como ejercicio práctico de reinforcement learning: diseño de entorno, reward shaping, game loop y experimentación con agentes.