Ingeniero de Software especializado en Ciencia de Datos e Inteligencia Artificial con amplia experiencia en el desarrollo de soluciones innovadoras. Enfocado en la aplicación de técnicas avanzadas de análisis de datos y algoritmos de aprendizaje automático para resolver problemas complejos y generar impacto significativo en diversos sectores industriales.

• Bot de WhatsApp con RAG y OpenAI API

  • Desarrollo de un chatbot inteligente para WhatsApp utilizando RAG y modelos de lenguaje de OpenAI.
  • Tecnologías: WhatsApp API, OpenAI API, RAG, Python.
  • Características: Respuestas contextuales precisas, integración de conocimientos específicos y generales.
  • Impacto: Mejora significativa en la calidad y relevancia de las respuestas del chatbot en comparación con sistemas tradicionales.

• RAG con Neo4j y Groq

  • Implementación de un sistema de Recuperación Aumentada por Generación (RAG) utilizando grafos de conocimiento.
  • Tecnologías: Neo4j, Groq, Python.
  • Resultados: Mejora del 30% en la precisión de recuperación de información contextual.

• Inferencia de LLM con Historial de Chat

  • Desarrollo de un modelo de lenguaje que mantiene contexto a través de múltiples interacciones.
  • Tecnologías: PyTorch, Transformers.
  • Impacto: Reducción del 40% en la latencia de respuesta manteniendo la coherencia contextual.

• Sistema de Recomendación de Películas

  • Desarrollo de un sistema avanzado de recomendación de películas utilizando técnicas de análisis de datos y NLP.
  • Tecnologías: Python, Pandas, NumPy, Scikit-learn, Streamlit, TMDB API.
  • Características: Análisis de más de 4,800 películas, procesamiento de texto con TF-IDF, algoritmo de similitud del coseno, interfaz de usuario interactiva.
  • Impacto: Demostración de habilidades avanzadas en ciencia de datos y desarrollo web, con aplicaciones potenciales en plataformas de streaming y análisis de tendencias en la industria del entretenimiento.

• Análisis Predictivo de Datos de Salud

  • Creación de un modelo predictivo para identificar factores de riesgo en pacientes.
  • Tecnologías: Scikit-learn, Pandas, XGBoost.
  • Resultados: Precisión del 92% en la predicción de riesgos de salud.

• Análisis de Sentimientos a Gran Escala

  • Implementación de un sistema de NLP para clasificación de sentimientos en reseñas de productos.
  • Tecnologías: NLTK, Scikit-learn, Spark NLP.
  • Logro: Procesamiento de más de 10,000 reseñas diarias con 92% de precisión.

• Pipeline de ETL para Big Data

  • Desarrollo de un sistema ETL escalable para procesamiento de datos masivos.
  • Tecnologías: Apache Spark, Pandas, Airflow.
  • Impacto: Reducción del 60% en tiempo de procesamiento para conjuntos de datos de más de 1TB.

• Lenguajes de Programación: Python, R, SQL
• Herramientas de Ciencia de Datos: Pandas, NumPy, SciPy
• Frameworks de Machine Learning: Scikit-learn, TensorFlow, PyTorch, Keras
• Tecnologías Big Data: Apache Spark, Hadoop, Hive
• Procesamiento de Lenguaje Natural: NLTK, SpaCy, Transformers
• Sistemas de Gestión de Bases de Datos: PostgreSQL, MongoDB, Neo4j
• Herramientas de Visualización: Matplotlib, Seaborn, Plotly, Tableau
• Plataformas Cloud y MLOps: AWS SageMaker, Google Cloud AI, Azure ML, Docker, Kubernetes

Abierto a colaboraciones en proyectos de Ciencia de Datos e IA. Para consultas profesionales o propuestas de colaboración, por favor contactar a través de:

• Correo Electrónico: [email protected]
• LinkedIn: www.linkedin.com/in/ernesto-j-h-flores
• Kaggle: www.kaggle.com/ernestoflores95

© 2024 Ernesto J. H. Flores | floresernesto95