- En cursada de la Tecnicatura Superior en Ciencia de Datos e Inteligencia Artificial.
- Me interesa el análisis y la ciencia de datos aplicada: desde la limpieza y exploración de datos hasta modelos de machine learning y su puesta en producción.
- Experiencia académica realizando proyectos completos: definición del problema, preparación de datos, modelado, evaluación y presentación de resultados (informes, dashboards y APIs).
- Más de 15 repositorios con los trabajos de cada materia de la tecnicatura, publicados y documentados.
| Área | Tecnologías |
|---|---|
| 🐍 Lenguajes y datos | Python, SQL, Pandas, NumPy |
| 🤖 Machine Learning | scikit-learn, Keras, TensorFlow, validación cruzada, clustering, clasificación y regresión |
| 📊 Visualización y apps | Matplotlib, Seaborn, Plotly, Streamlit, Power BI |
| 🖼️ Imágenes y señales | OpenCV |
| 🛠️ Ingeniería y entrega | Git, GitHub, Docker, FastAPI, Jupyter |
dashboard-fbj · Segmentación de clientes de un ISP local con K-Means, forecasting de consumo, dashboard en Streamlit y API FastAPI con Docker ·
| Proyecto | Descripción |
|---|---|
| dashboard-fbj | Segmentación de clientes con K-Means y forecasting de consumo: EDA, modelos, dashboard Streamlit y API FastAPI con Docker. Proyecto integrador de Práctica Profesionalizante. |
| aprendizaje-automatico | Métodos supervisados (regresión lineal, KNN, árboles de decisión, validación cruzada) y no supervisados (clustering) sobre datasets de autos de Argentina. |
| mineria-de-datos | Proceso KDD completo: preparación y transformación de datos, reducción de dimensionalidad (ACP), métricas de regresión y minería de redes. |
| sistemas-inteligencia-artificial | Trabajo integrador grupal y ejercicios de clasificación con redes neuronales (Keras/TensorFlow) y scikit-learn. |
| procesamiento-de-imagenes | Procesamiento digital de imágenes: segmentación, filtros y transformaciones con OpenCV y NumPy. |
| practica-profesionalizante | Limpieza y análisis exploratorio (EDA) sobre una base sucia de usuarios y asistencias. |
| ciencia-de-datos | Casos prácticos con árboles de decisión, bosques aleatorios y redes neuronales, con informe y tablero en Power BI. |
| gestion-de-proyectos | Planificación de proyectos de datos: alcance, cronograma y roadmap de un proyecto de asistencia con IA. |
| proteccion-datos-personales | Marcos legales de protección de datos personales, IA y trabajo, y responsabilidad algorítmica. |
| bases-de-datos | Diseño de esquemas relacionales (MER) y SQL: DDL, DML, consultas con JOIN, TPs y parciales resueltos. |
| procesamiento-de-datos | Limpieza y transformación de datasets reales: valores nulos, normalización y preparación (pandas). |
| programacion-ii | Programación orientada a objetos en Python: funciones, clases, herencia y trabajo integrador. |
| programacion | Fundamentos de Python: estructuras de datos, archivos, ejercicios y exámenes resueltos. |
| procesamiento-del-habla | Edición de audio con Audacity, análisis acústico con Pratt y transcripción automática con Whisper. |
| introduccion-a-la-ia | Fundamentos de inteligencia artificial: análisis predictivo y primeros trabajos de la materia. |
- Tecnicatura Superior en Ciencia de Datos e Inteligencia Artificial — en cursada.
