Tools & technologies
Pipelines de machine learning
Del dato crudo al modelo entrenado, con un proceso que se puede repetir: preparación de datos, validación sin fugas, comparación de modelos y evaluación honesta.
Del dato crudo al modelo entrenado, con un proceso que se puede repetir: preparación de datos, validación sin fugas, comparación de modelos y evaluación honesta.
Sin fugas, desde el principio
El preprocesado vive dentro del pipeline, así que se ajusta solo con los datos de entrenamiento en cada partición de validación cruzada. Lo que mido en validación es lo que puedo esperar con datos nuevos, no una cifra inflada.
Evaluación que dice la verdad
Métricas adecuadas al problema, no solo accuracy: ROC-AUC y PR-AUC en datos desbalanceados, calibración de probabilidades y análisis de error por segmento para saber dónde falla el modelo y por qué.
Operating locations
Estudiando en Madrid
Base en Madrid, aprendiendo en público: proyectos, herramientas open-source y colaboraciones, dentro y fuera de España.
Info gráfico
Decision flow
Reproducible, no un notebook suelto.
Info gráfico
Friction map
Validación sin fugas.
Info gráfico
Journey shape
Evaluación honesta.
Próximos proyectos:
MLOPSFASTAPIDOCKERMONITORING
Credit Risk Platform
Plataforma MLOps de scoring de crédito de punta a punta: entrenamiento reproducible con registro de modelos versionado, API de inferencia en FastAPI con validación de entrada, monitorización de drift por PSI y observabilidad con Prometheus y Grafana, todo dockerizado y con CI. Código en github.com/delcenjo/credit-risk-platform.
Ver proyecto
PYTORCHTRANSFORMERSNLP
Transformer from scratch
Modelo de lenguaje tipo GPT implementado desde cero en PyTorch: atención multi-cabeza, máscara causal y bloques residuales escritos a mano, más un tokenizador byte-pair propio y un estudio de ablaciones. Código en github.com/delcenjo/transformer-from-scratch.
Ver proyecto
NEXT.JSWEBASSEMBLYCLOUDFLARECI/CD
Esta misma web
Este porfolio está construido a mano con Next.js y desplegado en Cloudflare Workers, con un laboratorio de modelos que corre entero en el navegador y despliegue continuo en cada commit. Código en github.com/jmweb-org/jmweb-pag-web.
Ver proyecto
SCIKIT-LEARNCALIBRATIONTABULAR
Credit Risk Model
Modelo de riesgo de impago con evaluación rigurosa: pipeline sin fugas, comparación por validación cruzada, probabilidades calibradas, umbral de decisión por coste de negocio y análisis de error por segmento. Código en github.com/delcenjo/credit-risk.
Ver proyecto