jrbeduardo

Perfil Profesional

Ingeniero de Datos con formación en Matemáticas (UNAM) y más de 3 años de experiencia en retail. Especialista en arquitectura de datos, automatización de pipelines ETL y despliegue de modelos en producción. Apasionado por generar valor mediante soluciones analíticas basadas en datos.

Mi experiencia en Grupo Coppel como Ingeniero de Datos incluye recolección de datos de diversas fuentes, despliegue e integración de modelos matemáticos, elaboración de arquitecturas para almacenar modelos analíticos y generación de procesos ETL automatizados.

Como desarrollador Full Stack y con amplia experiencia en docencia universitaria, combino conocimientos teóricos sólidos con aplicaciones prácticas en el desarrollo de soluciones tecnológicas robustas y escalables.

Habilidades Técnicas

Lenguajes de Programación

Python

JavaScript

Java

PHP

Big Data & ETL

PySpark

Apache Spark

ETL Pipelines

Data Warehousing

Apache Airflow

Machine Learning & Data Science

scikit-learn

TensorFlow

Keras

Pandas

NumPy

Matplotlib

Desarrollo Web & APIs

Flask

Django

FastAPI

React

Node.js

REST APIs

Bases de Datos

SQL

PostgreSQL

MySQL

Oracle

MongoDB

Data Modeling

DevOps & Herramientas

Docker

Git

Linux

Power BI

Google Cloud

Azure

Experiencia Destacada

Ingeniero de Datos

Grupo Coppel

Marzo 2022 - Octubre 2024

Responsabilidades Principales

Recolección y procesamiento de datos de múltiples fuentes: bases de datos, APIs web, archivos CSV y sistemas legacy
Despliegue e integración de modelos matemáticos en producción con Python y PySpark
Desarrollo de arquitecturas de datos escalables para almacenar modelos analíticos en ambientes de desarrollo, pruebas y producción
Construcción de pipelines ETL automatizados con Apache Airflow para optimizar flujos de datos
Colaboración con equipos de análisis para implementar soluciones de inteligencia de negocios

Logros Destacados

Procesamiento de más de 10M de registros diarios mejorando la eficiencia operativa
Reducción del 40% en tiempo de procesamiento de datos mediante optimización de pipelines
Implementación exitosa de 5+ modelos predictivos en producción

Proyecto I - CNN

Facultad de Ciencias UNAM

Semestre 2025-I • Grupo 6018

Descripción del Curso

Curso avanzado enfocado en el desarrollo de sistemas de clasificación de imágenes utilizando redes neuronales profundas. Los estudiantes aprenden a implementar, entrenar y optimizar modelos de deep learning para reconocimiento de patrones visuales.

Objetivos del Curso

Implementar arquitecturas CNN para clasificación de imágenes
Aplicar técnicas de preprocesamiento y data augmentation
Desarrollar proyectos con TensorFlow/Keras
Evaluar y optimizar modelos mediante métricas de rendimiento
Presentar resultados de manera profesional

Transformo datos en decisiones inteligentes