// AI Engineer · Madrid · Portfolio
Dos tipos de proyectos: sistemas de IA generativa y agéntica, y modelos de machine learning aplicados a problemas de producción. Todos públicos en GitHub.
Proyecto final de especialización, en equipo de tres: lee el pliego completo (PCAP, PPT, anexos), extrae requisitos clasificados por tipo y plazo, genera un score de viabilidad y redacta la memoria técnica. Cada respuesta citada con página.
Ver caso completo → RAG · Azure AI Search · FastAPI · ReactPlataforma multi-asistente con aislamiento estructural real — un índice Azure AI Search por asistente, búsqueda híbrida con RRF, reescritura de consultas conversacional y fallback honesto hardcodeado. 3,324 LOC Python, 1,636 TypeScript, 56 tests unitarios. Construida en 7 días.
Ver caso completo → Claude Code · MCP · AST · PythonImplementación de referencia de los seis puntos de extensión de Claude Code aplicados a un monorepo de servicios: CLAUDE.md autoevolutivo vía hook Stop, skills con scope de directorio, servidor MCP con navegación AST y subagente explorer de solo lectura. Suite de validación de 13 puntos.
Ver caso completo → Multi-agente · Azure OpenAI · Next.js · TelegramPipeline multi-agente para búsqueda de empleo en roles de IA y datos: scraping de portales → filtrado → investigación de empresa → evaluación de viabilidad → borrador personalizado. Dashboard Next.js para revisión humana, ejecución diaria vía GitHub Actions. ~€0.05–0.50/día de coste operativo.
Ver caso completo → RAG Agéntico · Qdrant · LangGraph · FastAPIRAG agéntico que responde preguntas sobre cualquier repositorio GitHub con citas inline. Tres fuentes de conocimiento heterogéneas, dos instancias configurables desde config. Evaluación de la instancia del chat: 100% precisión de routing, 100% relevancia hit@6, 1.0 de fidelidad. Desplegado en Azure Container Apps.
Ver caso completo → LangGraph · Azure OpenAI · TavilyAgente LangGraph que investiga empresas antes de entrevistas y genera briefings Markdown con dos checkpoints de revisión humana. Fases de investigación en paralelo con seis workers concurrentes (patrón map-reduce Send), routing por intención entre edición y re-búsqueda.
Ver caso completo →Clasificación de transacciones bancarias en 12 categorías con pipeline de dos niveles: LightGBM local para los casos claros (umbral 0.70), Azure OpenAI para los ambiguos. 96.1% de precisión combinada, reducción de coste del 95.6% frente a enviar todo al LLM. 55 tests, 100% recall de anonimización PII.
Ver caso completo → PyTorch · ONNX · React · ViteDetección de fraude en tarjetas de crédito mediante autoencoder no supervisado — entrenado solo sobre transacciones legítimas, sin necesidad de etiquetas de fraude. PR-AUC 0.37 frente a 0.11 del baseline Isolation Forest. Exportado a ONNX y verificado numéricamente. Demo en navegador cliente-side.
Ver caso completo → TensorFlow · OpenCV · FastAPI · StreamlitDetección de emociones en tiempo real durante presentaciones de ventas con índice de receptividad 0–10. CNN personalizada (60.1%) y MobileNetV2 fine-tuned (63.0%) sobre 7 emociones, donde el azar es ~14%. ~8 FPS con webcam, ventana deslizante de 10 frames. Demo web en TF.js sin instalación.
Ver caso completo →Estos son los proyectos que considero más relevantes e interesantes, pero tengo varios más en distintas etapas de desarrollo y publicación.
Ver más en GitHub →Contacto
30 minutos. Sin compromiso. Si veo que puedo ayudarte, te lo digo. Si no, también.
Agendar videollamada →