Entender los datos
Análisis exploratorio, estadística y modelos predictivos. Primero comprender el problema; después elegir el modelo.
PERSONAS, DATOS Y SISTEMASDATA SCIENCE / AI ENGINEERING
CONÓCEME

Cuando pienso en la Roma del siglo II, me impresiona imaginar lo que suponía gobernar un territorio tan extenso. Desde Roma no se podía consultar un tablero actualizado al instante: la información llegaba a través de gobernadores, administradores locales, registros y mensajeros. Había que tomar decisiones con noticias que podían tardar en llegar y que describían realidades muy distintas entre sí.
De pequeño me fascinaba la historia clásica, y durante años me pregunté cómo conseguían coordinar un sistema así con los medios de su época. Más tarde entendí que lo que me atraía de esa pregunta no era solo Roma: era el desafío de reunir señales dispersas, darles sentido y decidir qué hacer con ellas.
Hoy trabajo con esa pregunta desde la ciencia de datos y el machine learning. Analizo información, busco patrones y desarrollo modelos que ayudan a explicar lo que observamos. Y esos patrones pueden servir para anticipar lo que quizá ocurra: estimar la demanda, detectar riesgos o prever cómo podría evolucionar un fenómeno. No son certezas; son predicciones basadas en los datos disponibles y en los supuestos del modelo.
Mi trabajo combina análisis, conocimiento del negocio e ingeniería de software para convertir la información en soluciones útiles. Me centro principalmente en ciencia de datos y machine learning: preparo datos, desarrollo modelos y evalúo sus resultados. También construyo aplicaciones que integran modelos de lenguaje de gran tamaño (LLM), con el mismo objetivo de llevar la IA a problemas concretos.
La tecnología ha cambiado mucho desde Roma, pero sigue haciendo falta entender qué sabemos, qué nos falta y qué decisiones podemos tomar con esa información. Para mí, los datos permiten reconstruir lo que ocurre y explorar lo que podría ocurrir después. Los modelos ayudan a trazar ese puente, siempre que entendamos sus límites y pongamos a prueba sus predicciones.
Análisis exploratorio, estadística y modelos predictivos. Primero comprender el problema; después elegir el modelo.
Python, preparación de datos y pipelines. En mi portfolio exploro APIs, recuperación documental e IA generativa local.
Requisitos, KPI y coordinación de proyectos. Mi formación en Scrum acompaña una manera de trabajar centrada en los equipos.
PROYECTOS
Proyectos académicos y un nuevo laboratorio de ingeniería aplicada. Código, metodología y límites a la vista.
¿Qué podemos descubrir al mirar varias variables a la vez?
Una aplicación para explorar sus relaciones, encontrar perfiles parecidos y probar modelos de predicción.
¿Cómo cambia una flota cuando los vehículos se desplazan, se averían y vuelven al servicio? Modifica las condiciones y observa cómo evoluciona.
Una aplicación para comparar la demanda real de bicicletas con la que estima un modelo y explorar qué predice cuando cambia el tiempo.
¿Cuándo merece atención un cambio de temperatura? Explora una señal, revisa sus alertas y provoca cambios para comparar dos formas de detectar anomalías.
Mi proyecto final de Big Data: análisis de los recuentos mensuales de pasajeros del aeropuerto de San Francisco, con exploración, preparación de datos y regresiones.
TRAYECTORIA

Recopilación y preparación de datos, pipelines, análisis exploratorio, entrenamiento y validación de modelos y ajuste de hiperparámetros.
Etapa de prácticas en ciencia de datos y Python.
Análisis de requisitos, calidad de servicios, mejoras de procesos y pruebas de nuevos desarrollos.
Definición de proyectos, coordinación de equipos, seguimiento de KPI y gestión de proyectos en español y francés.
Análisis exploratorio y estadístico, modelos de demanda, dashboards y formación sobre herramientas de análisis.
FORMACIÓN
La profundidad técnica y la capacidad de trabajar en equipo avanzan juntas.

Grado universitario multidisciplinario que combina informática, matemáticas y estadística para extraer conocimiento de los datos y facilitar la toma de decisiones. Incluye formación en programación, álgebra lineal, modelización, machine learning, Big Data, visualización, seguridad y privacidad. Capacita en herramientas y entornos reales como bases de datos, arquitecturas distribuidas y análisis en la nube. Orientado a resolver problemas complejos mediante el análisis de datos, con proyectos prácticos y enfoque profesional.
El grado de Ingeniería en Ciencia de Datos es una titulación verificada por el Consejo de Universidades, cuya implantación ha sido autorizada por la Generalitat de Cataluña conforme a la legislación vigente.
Tokio School
Acreditado por UCAM · IBM Data Science Practitioner Certificate
Insignias de formación y credenciales profesionales en agilidad, programación, datos e inteligencia artificial.

Scrum Manager
Ver credencial
Scrum Manager
Ver credencial
Scrum Manager
Ver credencial
Scrum Manager
Ver credencial
Scrum Manager
Ver credencial
Scrum Manager
Ver credencial
Cisco Networking Academy
Ver credencial
IBM / Cognitive Class
Ver credencial
IBM / Cognitive Class
Ver credencial
IBM SkillsBuild
Ver credencial
IBM SkillsBuild
Ver credencial
ISTE / IBM SkillsBuild
Ver credencial
Databricks

Cisco Networking Academy
Ver credencial¿NOS CONOCEMOS?
La otra parte de una trayectoria: lo que cuentan las personas con las que he compartido trabajo.
¿Hemos trabajado o aprendido juntos? Me gustaría conocer tu experiencia. Puedes dejar la primera recomendación desde el formulario; la revisaré contigo antes de publicarla.
Coincidí con Carlos estudiando programación e IA y es uno de los compañeros más inteligentes y dispuestos a ayudar en cualquier tipo de duda o para discutir sobre cualquier nueva tecnología.
Tuve la oportunidad de trabajar con Carlos durante nuestra etapa en Melmacia Lab y guardo un muy buen recuerdo de nuestra experiencia como compañeros. Carlos siempre destacó por ser una persona comprometida, responsable y con muchas ganas de aprender y mejorar. Su actitud positiva, su disposición para ayudar a los demás y su capacidad para afrontar nuevos retos hacían que trabajar con él fuera muy fácil. Más allá de sus capacidades profesionales, destacaría especialmente su compañerismo, su implicación y su forma de colaborar con el resto del equipo. Sin duda, es una persona con la que volvería a trabajar y a la que deseo muchos éxitos en sus proyectos profesionales.
A pesar de haber terminado el curso de Python de Tokio School, sigue conectado al Discord del curso, respondiendo, ayudando y aconsejando a quienes seguimos allí y tenemos dudas. Gracias, Carlos, por tu dedicación y ayuda. ¡Eres un crack!
Si hemos trabajado o aprendido juntos, me gustaría conocer tu experiencia.
CONTACTO
Ciencia de datos, machine learning e IA generativa. Hablemos de problemas interesantes y de cómo llevarlos a una solución.
¿Tienes una idea, un proyecto o una pregunta? Escríbeme y vemos qué podemos construir juntos.
Contactar