Bienvenido/a a mi repositorio personal, también conocido como "el backstage" de mi transición profesional al mundo de la Data Science.
Aquí vas a encontrar un poco de todo: proyectos, experimentos, modelos que funcionaron (¡y otros que no tanto!), notebooks con mucho café encima, y código que, si no está perfecto, al menos está hecho con cariño. 😄
Este espacio es tanto un portfolio como un cuaderno de viaje donde registro mis aprendizajes, errores, y pequeños logros en el camino hacia convertirme en un científico de datos competente y creativo.
Soy una persona curiosa por naturaleza, con formación técnica y una creciente obsesión por convertir datos en decisiones. Me apasiona entender cómo funciona el mundo, y los datos me parecen la mejor excusa para explorarlo.
Actualmente me estoy enfocando en áreas como:
- Limpieza y análisis exploratorio de datos (sí, me llevo bien con los
NaN, incluso cuando son traicioneros) - Modelos de regresión, clasificación y clustering para sacarle jugo a los datos
- Ingeniería de datos: creación de pipelines, procesos ETL, manejo de bases de datos y automatizaciones que ahorran tiempo (y dolores de cabeza)
- Visualización de datos, porque una buena gráfica puede decir más que 10 páginas de reporte
- Uso de la nube y despliegue de microservicios para que los modelos no se queden en local, sino que vean el mundo real (y sobrevivan)
Me gusta entender los datos, no solo modelarlos. Siempre busco el por qué detrás del qué, y disfruto conectar los puntos entre lo técnico y lo estratégico.
Y sí, soy de esos que disfrutan viendo cómo baja el loss en tiempo real (aunque a veces sube, y también hay que quererlo así 🥲). El overfitting y yo tenemos una relación complicada.
Aquí te dejo mi CV, por si quieres conocer más sobre mi experiencia, formación, proyectos y cómo he ido combinando diferentes herramientas para resolver problemas del mundo real:
(Prometo que es más entretenido que una hoja de cálculo sin formato. Y tiene secciones, ¡lo juro!)
- 📊 Proyectos de análisis de datos reales, con datasets que no siempre están limpios ni ordenados, pero que cuentan cosas interesantes si se les escucha bien
- 🤖 Modelos de machine learning desde lo clásico (como regresión logística) hasta lo experimental (como redes neuronales o modelos en producción con APIs)
- 🛠️ Scripts útiles que me han salvado horas de trabajo, especialmente en momentos donde el Excel ya no daba para más
- 🧪 Experimentos locos que empezaron con frases tipo "a ver qué pasa si meto esto en un pipeline..."
Además, todo esto lo acompaño con comentarios, visualizaciones, explicaciones (cuando tengo tiempo) y una mentalidad abierta al feedback. Este repo también es una especie de diario técnico que me ayuda a mirar hacia atrás y ver cuánto he avanzado (o qué errores no quiero repetir 😅).
Estoy construyendo una carrera sólida en Data Science, con muchas ganas de aportar en proyectos donde los datos no sean solo números, sino historias que contar, patrones que descubrir y decisiones que respaldar.
Me interesa especialmente trabajar en equipos que valoren la colaboración interdisciplinar, la experimentación bien guiada, y la creación de soluciones reales para problemas complejos.
No me conformo con aplicar modelos por aplicarlos; quiero entender el contexto, los datos y el impacto de cada decisión. Y si además puedo seguir aprendiendo en el proceso, mejor que mejor.
🤝 ¿Charlamos? Estoy abierto a nuevas oportunidades, colaboraciones, sugerencias o simplemente compartir un par de memes de data science malísimos (de esos que solo hacen gracia después de entrenar un modelo durante 5 horas).
💼 Puedes contactarme a través de LinkedIn para cualquier propuesta o simplemente para conectar con más amantes de los datos.
¡Gracias por pasarte por aquí! 🌟