Transformo datos complejos en información clara y accionable mediante análisis, modelado predictivo, procesamiento de lenguaje natural y visualización. Mi perfil integra investigación social, ciencia de datos y desarrollo de soluciones aplicadas para la toma de decisiones.
Mi propuesta de valor está en conectar el rigor metodológico de la investigación social con herramientas de análisis, machine learning y desarrollo, para construir soluciones útiles en contextos reales.
Soy Sociólogo con formación en Data Science y experiencia en análisis de datos, investigación aplicada y desarrollo de soluciones analíticas end-to-end. Combino metodologías cuantitativas y cualitativas con herramientas como Python, R, SQL, Machine Learning, NLP, Power BI y backend con Python.
He trabajado en proyectos de segmentación, riesgo crediticio, análisis de sentimiento, ETL, dashboards y modelado predictivo, transformando datos estructurados y no estructurados en información útil para apoyar decisiones.
Selección de proyectos que reflejan mi trabajo en NLP, machine learning, segmentación, ingeniería aplicada y análisis con enfoque interdisciplinario.
Solución de NLP para analizar comentarios de YouTube mediante web scraping, modelos Transformer en español y visualización analítica. Convierte opinión pública digital en información accionable para monitoreo de audiencias.
Este proyecto implementa una arquitectura profesional para la reducción de dimensionalidad mediante el Análisis de Componentes Principales (PCA), utilizando el dataset de California Housing. Adopta prácticas de Data Engineer y MLOps, asegurando robustez técnica, prevención de fuga de datos (data leakage) y extracción automatizada de insights analíticos.
Modelo de segmentación no supervisada en R para identificar perfiles de clientes a partir de variables categóricas. Incorpora un enfoque sociológico en el feature engineering, transformando datos demográficos en segmentos interpretables según estructura familiar y momento de vida.
Proyecto de clasificación binaria para estimar probabilidad de impago utilizando Python y Scikit-learn. Incluye EDA, comparación de algoritmos, optimización de hiperparámetros y selección del mejor modelo, alcanzando un AUC-ROC de 0.86.
Implementación end-to-end de un modelo de clasificación de cáncer de mama basado en datos abiertos, expuesto mediante API RESTful con Flask, containerizado con Docker y automatizado con GitHub Actions.
Tecnologías y entornos con los que desarrollo proyectos de análisis, modelado, visualización y despliegue.
Si buscas un perfil que combine análisis de datos, investigación aplicada y desarrollo de soluciones con Python, estaré encantado de conectar. También puedes escribirme directamente por WhatsApp al +56 9 4505 7300.