Hola, soy
Ingeniero de Software e Industrial | Entusiasta de IA
Diseñando sistemas de misión crítica y ecosistemas de IA de alto rendimiento a través del Pensamiento Sistémico e Investigación de Operaciones.
Soy Ingeniero de Software e Industrial especializado en la arquitectura de sistemas distribuidos de gran escala y ecosistemas impulsados por IA. Al integrar principios de Ingeniería Industrial, trato el desarrollo de software como un proceso riguroso de optimización donde la eficiencia, escalabilidad y confiabilidad a largo plazo se diseñan desde la base.
Me especializo en construir software de alto rendimiento y misión crítica donde la excelencia es la base. Mi enfoque combina la versatilidad de un arquitecto full-stack con la precisión de un ingeniero orientado a la investigación, asegurando que cada sistema que diseño supere los requisitos funcionales estrictos mientras mantiene estándares de clase mundial en seguridad y confiabilidad.
Nebula Medical
Agosto 2025 – Febrero 2026
AI Engineer / Backend Engineer para una plataforma de inteligencia médica, desarrollando modelos de IA con LLMs de vanguardia, creando sistemas RAG y construyendo pipelines de datos para flujos de salud.
Caseware
Junio 2024 – Julio 2025
Contribuí a una plataforma global de auditoría que sirve a más de 475,000 usuarios en 130 países, desarrollando integraciones en el módulo de imports/bindings, microservicios backend y arquitecturas frontend modernas mientras lideraba migraciones técnicas y ceremonias ágiles.
Universidad de los Andes
Bogotá, Colombia
Ene 2021 – Jun 2025
Promedio 4.21 / 5.0
Cursos Relevantes
Universidad de los Andes
Bogotá, Colombia
Ene 2022 – Jun 2025
Promedio 4.21 / 5.0
Cursos Relevantes
Un motor de búsqueda local de alto rendimiento que indexa contenido a través de GitHub, Notion, Slack y archivos locales en una base de datos vectorial unificada. Incluye una implementación de servidor MCP que optimiza los flujos de trabajo de agentes de IA proporcionando capacidades de búsqueda semántica sobre datos locales.
Plataforma de ML end-to-end que transforma la adquisición de talento reemplazando la coincidencia de palabras clave por ajuste semántico. Cuenta con comprensión de documentos multimodal, una taxonomía de habilidades aprendidas mediante Grafos de Conocimiento (Neo4j) y matching contrastivo mediante Graph Neural Networks (GNN). Orquestada mediante un pipeline de MLOps a escala de producción con agentes impulsados por LLMs para justificación y razonamiento explicable.
Una biblioteca modular en Python para generar CVs profesionales estructurados tanto en formato DOCX como PDF.
Pipeline de Machine Learning que implementa características temporales a partir de datos históricos de partidos, entrena y calibra modelos de ensamble (Random Forest, XGBoost, LightGBM) y calcula el tamaño de las apuestas usando el Criterio de Kelly para explotar ineficiencias en los mercados de apuestas deportivas.
Sistema de alertas del mercado financiero en tiempo real usando tecnología WebSocket. Implementa una arquitectura dirigida por eventos con Redis como broker de mensajes y PostgreSQL para la persistencia de datos. Asegura entrega de datos con baja latencia para operaciones financieras sensibles al tiempo.
Desarrollé modelos predictivos para datos biológicos complejos usando técnicas de Machine Learning. Apliqué preprocesamiento avanzado (PCA), balanceo de clases y Deep Learning (TensorFlow/Keras) para alcanzar un 98% de precisión en la predicción de patrones complejos.
Desarrollé un sistema de optimización de alto rendimiento en Java y C++ para infraestructura de carga de vehículos eléctricos. El sistema utiliza algoritmos multi-objetivo para minimizar costos energéticos mientras maximiza los niveles de servicio al cliente, resultando en un modelo de planificación listo para producción.
Una plataforma de gestión integral para la administración de instalaciones, optimizando operaciones, gestión de historiales médicos y recursos para mejorar la calidad operativa del hogar.
Arquitecté un sistema distribuido escalable usando Java Spring Cloud (Eureka, Config, Gateway) dentro de un monorepo Nx para centralizar la gestión de dependencias. Implementé mensajería asíncrona vía RabbitMQ y patrones de resiliencia con Resilience4j, integrando seguridad JWT y Zipkin para trazabilidad distribuida.
Diseñé arquitecturas de deep learning para datos biológicos de alta dimensionalidad. Utilicé PCA para la reducción de dimensionalidad y Keras/TensorFlow para el desarrollo de modelos, alcanzando un 98% de precisión en el reconocimiento de patrones complejos.
Presenté los resultados de la tesis de pregrado en el Analytics Forum 2025, exponiendo aplicaciones avanzadas de machine learning en bioinformática ante una audiencia de expertos de la industria e investigadores.
Ponente en el Centro de Optimización y Probabilidad Aplicada (COPA) para discutir la integración de redes neuronales y modelado probabilístico en sistemas biológicos.
Experiencia orientada a datos en machine learning, modelado estadístico, aplicaciones con LLMs, pipelines de datos y sistemas de IA en producción.