Programación y datos
- Python
- SQL
- NumPy
- Pandas
- SciPy
Ingeniero aeroespacial · Machine Learning e IA
Ingeniero aeroespacial con máster en Ingeniería Aeronáutica y formación de posgrado en Inteligencia Artificial. Experiencia en desarrollo y evaluación de modelos de Machine Learning clásico y Deep Learning, con aplicaciones en procesamiento de señales, NLP y visión por computador. Desarrollo de soluciones basadas en LLM y aplicaciones backend con FastAPI y Flask, incluyendo integración y despliegue local mediante Docker.
Curso de posgrado
Especialidad Aeronaves
Ciencias y Tecnologías Aeroespaciales
Investigación de técnicas de NLP y LLM para normalizar textos clínicos en español a SNOMED CT. Desarrollo de un pipeline de extracción de conceptos con segmentación dinámica, embeddings, Elasticsearch, similitud semántica y aproximada. Evaluación sobre datos clínicos públicos con más del 70 % de correspondencias exactas o jerárquicamente relacionadas, incluyendo relaciones padre/hijo. Desarrollo de prototipos de postcoordinación y ejemplos sintéticos.
Desarrollo de un pipeline de procesamiento de ECG y extracción de características con Python, NeuroKit2, SciPy, Pandas y datos de PhysioNet. Comparación de modelos clásicos y redes convolucionales: el mejor modelo evaluado, HistGradientBoosting, obtuvo un F1 macro de 0,921 y un AUC de 0,991. Aplicación Flask para visualizar señales, clasificar ritmos y generar informes con SQLite, e integración experimental de adquisición ECG comercial y con Arduino.
Investigación y evaluación de Neural Radiance Fields (NeRF) para síntesis de nuevas vistas y reconstrucción 3D con imágenes sintéticas, reales y aéreas. Desarrollo de herramientas Python para preparar imágenes y poses de cámara y una interfaz PySide6 para configurar entrenamientos. Comparación con fotogrametría tradicional y análisis de las limitaciones para extraer mallas 3D.
Aplicación de procesamiento del lenguaje natural para recopilar publicaciones, estimar su relevancia y neutralidad mediante clasificación zero-shot y agrupar noticias relacionadas utilizando embeddings y HDBSCAN. Genera títulos, resúmenes e informes estructurados con LLM, con ordenación y reducción de redundancias.
Sistema de visión por computador para digitalizar partidas de ajedrez en directo a partir de vídeo, detectando piezas y reconstruyendo posiciones sucesivas del tablero con YOLOv8, InceptionV3 y OpenCV.
Simulador personalizado de dinámica de vuelo que utiliza ecuaciones linealizadas del movimiento e integración numérica Runge–Kutta de cuarto orden (RK4). Un agente PPO sigue trayectorias arbitrarias de puntos de paso en simulación.
Aplicación web para conversión de unidades, matemáticas simbólicas y representación gráfica.
Robot de equilibrio de una bola con control PID, un sensor infrarrojo de distancia y una plataforma inclinable accionada por un servomotor.
Clasificación, Deep Learning, NLP, visión por computador, Reinforcement Learning
Herramientas, metodología y Python
IBM Data Science (5 cursos)
C, Python, Flask y SQL
CS50's Introduction to Computer Science
Comprensión lectora y auditiva
Cambridge Linguaskill: C1