Hola, soy Fernando
Científico de Datos | Python • Machine Learning • SQL
Construyo soluciones end-to-end: desde limpieza y EDA, hasta modelos en producción con pipelines, calidad de datos y monitoreo. Me enfoco en impacto medible y decisiones de negocio.
Modelos y feature engineering para problemas reales
APIs para servir predicciones (Django + Docker)
Automatización de flujos tipo ETL/MLOps
Abierto a roles Data Scientist, colaboraciones de analítica aplicada.
ACERCA
Soy Científico de Datos con experiencia desarrollando modelos de machine learning y llevándolos a producción. Me gusta trabajar con equipos de negocio para traducir preguntas complejas en métricas, features y decisiones accionables.
Mi formación en administración y finanzas me ayuda a conectar el análisis con resultados: priorizo claridad, reproducibilidad y entregables que se puedan operar, no solo notebooks.
Habilidades
Datos
Limpieza de datos, EDA y validaciones
Feature engineering
SQL (joins, agregaciones, ventanas)
Modelado
Clasificación y regresión
Métricas y evaluación (AUC, F1, RMSE)
Validación y control de leakage
Producción / Automatización
APIs para modelos (Django)
Docker y despliegue en VPS
Automatizaciones (webhooks, APIs, paginación)
Stack técnico enfocado en soluciones end-to-end y entrega a producción
Proyectos
Proyectos destacados
Valuación inmobiliaria
— Inmuebles Anzuz
Análisis para seleccionar proyectos con mejor retorno esperado, incorporando incertidumbre y riesgo. Se usan intervalos de confianza y simulaciones para decisiones robustas.
Trayectoria
Data Scientist
Inmuebles Anzuz
2024 - Actual
Construyó y llevó a producción modelos, con enfoque en valuación y clasificación inmobiliaria end-to-end:
– Preparación de datos desde múltiples fuentes
– Feature engineering y entrenamiento con scikit-learn (R² = 0.904)
– Controles de data quality y reentrenamiento programado cada 7 días
– Despliegue como API (Django) en Docker sobre VPS, reduciendo el tiempo de valuación de 4 horas a 39 segundos.
Make Academy
System Design Mastery
2025 – en curso
Entrenamiento de diseño de sistemas enfocado en conceptos clave para arquitecturas escalables (p. ej., load balancing y consistencia) y práctica con casos.
Aplicación: Lo aplico para diseñar APIs/servicios de modelos más escalables, confiables y listos para producción.
Valuation
Aswath Damodaran Online
2020
Curso online en formato de webcasts cortos, con slides descargables y pruebas por sesión; cubre valuación con enfoque práctico y estructura de clase completa.
Aplicación: lo aprovecho para traducir variables de negocio/finanzas a features y supuestos defendibles en modelos (especialmente en proptech/fintech).
Lic. Administración de Empresas
UPAEP
2018 – 2022
Formación base con enfoque estratégico y de diagnóstico/solución de problemas organizacionales; el plan incluye materias cuantitativas como estadística y matemáticas para negocios.
Aplicación: me ayuda a convertir hallazgos técnicos en decisiones accionables y a comunicar impacto a stakeholders no técnicos.
Lic. Administración de Empresas
UPAEP
2018 – 2022
Formación base con enfoque estratégico y de diagnóstico/solución de problemas organizacionales; el plan incluye materias cuantitativas como estadística y matemáticas para negocios.
Aplicación: me ayuda a convertir hallazgos técnicos en decisiones accionables y a comunicar impacto a stakeholders no técnicos.
Data Scientist
Inmuebles Anzuz
2024 - Actual
Construyó y llevó a producción modelos, con enfoque en valuación y clasificación inmobiliaria end-to-end:
– Preparación de datos desde múltiples fuentes
– Feature engineering y entrenamiento con scikit-learn (R² = 0.904)
– Controles de data quality y reentrenamiento programado cada 7 días
– Despliegue como API (Django) en Docker sobre VPS, reduciendo el tiempo de valuación de 4 horas a 39 segundos.
Make Academy
System Design Mastery
2025 – en curso
Entrenamiento de diseño de sistemas enfocado en conceptos clave para arquitecturas escalables (p. ej., load balancing y consistencia) y práctica con casos.
Aplicación: Lo aplico para diseñar APIs/servicios de modelos más escalables, confiables y listos para producción.
Valuation
Aswath Damodaran Online
2020
Curso online en formato de webcasts cortos, con slides descargables y pruebas por sesión; cubre valuación con enfoque práctico y estructura de clase completa.
Aplicación: lo aprovecho para traducir variables de negocio/finanzas a features y supuestos defendibles en modelos (especialmente en proptech/fintech).
Lic. Administración de Empresas
UPAEP
2018 – 2022
Formación base con enfoque estratégico y de diagnóstico/solución de problemas organizacionales; el plan incluye materias cuantitativas como estadística y matemáticas para negocios.
Aplicación: me ayuda a convertir hallazgos técnicos en decisiones accionables y a comunicar impacto a stakeholders no técnicos.
Lic. Administración de Empresas
UPAEP
2018 – 2022
Formación base con enfoque estratégico y de diagnóstico/solución de problemas organizacionales; el plan incluye materias cuantitativas como estadística y matemáticas para negocios.
Aplicación: me ayuda a convertir hallazgos técnicos en decisiones accionables y a comunicar impacto a stakeholders no técnicos.
TripleTen
Boot Camp Data Scientist
2025 - en curso
Formación práctica en ciencia de datos práctico orientado a soluciones: desde fundamentos (Python/Pandas) hasta machine learning y redes neuronales,
Enfocado en construir soluciones aplicables a negocio con entregables reproducibles.
Aplicación: lo uso para fortalecer modelado, evaluación y entrega de proyectos end-to-end con evidencia en portafolio.
Make Academy
Make Advanced
2025
Ruta avanzada centrada en automatización robusta: webhooks avanzados, llamadas a APIs con módulos HTTP, paginación para extraer datasets completos y manejo de data stores/estructuras.
Aplicación: lo uso para orquestar integraciones y automatizaciones tipo ETL/MLOps (ingesta, reentrenos programados, validaciones y notificaciones).
Corporate Finance
Aswath Damodaran Online
2023
Curso online de corporate finance con webcasts cortos; incluye slides y pruebas por sesión, diseñado para capturar el contenido de una clase semestral.
Aplicación: lo uso para entender drivers de rendimiento y diseñar métricas/objetivos que conecten modelos con decisiones de negocio