Proyectos

Objetivo: Extrae campos de facturas con Claude o Gemini, guarda el texto exacto detrás de cada valor, califica cada campo y envía los documentos dudosos a una persona.

Herramientas: Python, Claude (structured outputs), Gemini, Pydantic, pytest, GitHub Actions

Impacto: Muestra por qué la precisión por campo engaña: una línea base con regex acierta el 86% de los campos pero solo el 25% de los documentos.

Objetivo: Un proyecto base de dbt + DuckDB donde Claude Code sigue reglas de datos y los hooks bloquean DROP, entornos de producción y secretos antes de ejecutarse.

Herramientas: Claude Code (hooks, subagentes, skills), dbt, DuckDB, Python, pytest, GitHub Actions

Impacto: 34 pruebas de hooks y 12 pruebas de datos en dbt, incluida una conciliación que falla si un cruce empieza a perder pedidos.

Objetivo: Compara una tabla antigua con su copia migrada por hash, del día a la fila y a la celda, y filtra el ruido inofensivo que toda migración agrega.

Herramientas: Python, DuckDB, SQL, pytest, GitHub Actions

Impacto: Compara 1.000.000 de filas en 0,09 s en una laptop y encuentra exactamente los 3 errores sembrados; sus códigos de salida lo vuelven un control de CI.

Objetivo: Tres incidentes de datos reproducibles, trabajados como investigaciones: síntoma, hipótesis, evidencia, causa raíz, corrección y un control que se queda.

Herramientas: Python, DuckDB, SQL, pytest, GitHub Actions

Impacto: Coincidencia recuperada de 57% a 98%, una sobreestimación de ingresos de 15% corregida y 5 controles reutilizables.

Objetivo: Data lake con arquitectura Medallion que ingesta datos de CRM, ERP y APIs, y usa Claude para asesorar calidad de datos, generar SQL e insights de negocio, expuesto a agentes vía un servidor MCP

Herramientas: Claude (Sonnet + Opus), MCP, AWS S3, Glue, Athena, PySpark, dbt, CloudFormation, pytest

Impacto: Pipeline de extremo a extremo de datos crudos a KPIs listos para negocio, donde agentes de IA consultan el lakehouse directamente mediante MCP

Objetivo: Tutor educativo que corre Gemma 4 localmente en un servidor edge comunitario, para que estudiantes de primaria en zonas sin internet accedan a IA desde sus celulares vía WiFi local

Herramientas: Gemma 4, Ollama, Google ADK, FastAPI, Angular, RAG (TF-IDF, scikit-learn), Docker Compose

Impacto: Proyecto para la competencia Build with Gemma de GDG Lima (track Local AI & Edge): IA desplegada donde está el usuario, sin depender de conectividad

Objetivo: Sistema RAG de grado de producción con base de datos vectorial, integración LLM y evaluación automatizada usando Ragas

Herramientas: ChromaDB, OpenAI/Groq, FastAPI, Ragas, Prometheus, Docker, CI/CD

Impacto: Pipeline completo de gestión del conocimiento con seguimiento de métricas, monitoreo de rendimiento y versionado de modelos

Objetivo: Lakehouse basado en Spark con arquitectura Medallion (Bronce/Plata/Oro), pipelines de streaming, entrenamiento ML y orquestación Airflow

Herramientas: PySpark, Delta Lake, MLflow, Airflow, Databricks, Terraform, Great Expectations

Impacto: Plataforma escalable de datos procesando millones de registros con pipelines ML integrados, optimizaciones Delta Lake y aprovisionamiento de infraestructura

Objetivo: Cálculo de métricas de riesgo financiero (VaR, CVaR, Greeks) usando Databricks con orquestación Airflow y Control-M

Herramientas: Databricks, Delta Lake, Control-M, Airflow, Great Expectations, PySpark

Impacto: Sistema de análisis de riesgo de grado empresarial con compuertas de calidad de datos, integración Control-M y pipeline CI/CD

Objetivo: Plataforma de ingeniería de análisis moderna con modelado dimensional (Kimball), modelos incrementales y >80% cobertura de pruebas

Herramientas: dbt, Databricks, Delta Lake, dbt_expectations, Z-ORDER, Liquid Clustering

Impacto: Pipeline de análisis completamente probado con segmentación de clientes (RFM), optimizaciones Delta Lake y documentación completa

Objetivo: Pipeline MLOps de extremo a extremo con seguimiento MLflow, servicio FastAPI, detección de drift (Evidently) y CI/CD automatizado

Herramientas: MLflow, FastAPI, Evidently AI, Prometheus, Docker, Great Expectations, GitHub Actions

Impacto: Sistema completo de ciclo de vida ML con registro de modelos, monitoreo de drift, servicio de API y pipeline de despliegue automatizado

Objetivo: Normalización, análisis y predicción de siniestros de tránsito en Perú con datos históricos 2008–2023

Herramientas: PySpark, Parquet, scikit-learn (Random Forest), Flask, Jupyter

Impacto: Pipeline ETL de Excel a Parquet, ingeniería de variables temporales y regionales, y una app web para predecir siniestros por región, fecha y clima

Objetivo: Agente que encuentra a diario ofertas de Data Engineer, las puntúa según tu CV y usa un LLM para generar un paquete de postulación adaptado a cada oferta

Herramientas: Python, JobSpy, SQLite, Groq / OpenAI, RenderCV, Jinja2, GitHub Actions

Impacto: Ejecución diaria automatizada que deduplica ofertas, filtra roles no relevantes y produce CV en PDF, carta y mensaje al reclutador por oferta