¡Bienvenid@ a mi portafolio! Tengo una licenciatura en Ingeniería Mecatrónica y un magister en Tecnología de Sensores y Automatización de la Hochschule Hannover. Con experiencia como desarrollador fullstack, he dedicado mi carrera a la integración fluida de soluciones de software y hardware.
Un pequeño editor para importar, aplicar diferentes filtros y exportar vídeos. Hecho con Qt Designer, PyQt6, OpenCV, PyInstaller y Numpy.
Github: click para abrir.Implementación de un sistema de monitoreo utilizando Grafana, Prometheus, Promtail y Loki para rastrear el rendimiento y los errores de la plataforma de gestión de dispositivos IoT propia de la empresa. El equipo de desarrollo recibe notificaciones a través de MS Teams cada vez que se activa una alerta.
Empresa: VONOVIA SE
Diseño e implementación de un servicio backend para facilitar la integración de los datos de los sistemas de energía solar de propiedad de la empresa desde una plataforma externa a la plataforma de la empresa.
Empresa: VONOVIA SE
Desarrollo del backend y unittests de un sistema de notificaciones y una serie de plantillas para las notificaciónes, que permiten la entrega fluida de miles de notificaciones por día.
Este servicio basado eventos (rabbitmq) no solo garantiza una comunicación eficiente, sino que también ofrece notificaciones personalizadas y en tiempo real a través de múltiples canales, mejorando la interacción del usuario y la productividad.
La plataforma se utiliza para monitorear en tiempo real los activos de la empresa distribuidos en distintos puntos geográficos. Las notificaciones se generan automáticamente en caso de falla de un activo o por la acción de un usuario.
Empresa: VONOVIA SE
Sobre la plataforma: VONOVIA press release
Desarrollo del backend y unittests de un servicio de configuración global que permite a los usuarios personalizar la funcionalidad y las preferencias de la plataforma cloud, como tipos de notificaciones, canales de notificación, áreas geográficas de interés de los activos y configuraciones de idioma.
Empresa: VONOVIA SE
Sobre la plataforma: VONOVIA press release
Un sistema en línea de cotización y pedido para una planta de procesamiento de cera de abejas en el sur de Chile (Patagonia). Desarrollado con Django, Celery, HTMX y jQuery.
Empresa: APISUR
Un banco de pruebas para la integración continua. Antes de liberar una nueva versión de software para parte específica del robot colaborativo (cobot), el software se somete a pruebas automatizadas utilizando el banco de pruebas. El objetivo es mejorar la calidad del producto final, identificando y resolviendo todos los posibles errores antes de implementar el código. Se realizan múltiples pruebas, examinando minuciosamente diferentes componentes.
Este dispositivo IoT rastrea parámetros como el tiempo transcurrido, posición, distancia, velocidad y el número de ciclos de trabajo. Utiliza un dispositivo Linux embebido equipado con un módem SIM7600 integrado para la adquisición de datos GPS. El dispositivo se conecta de forma remota a una aplicación Django utilizando MQTT sobre TLS para la transmisión de datos. En la aplicación, los usuarios pueden visualizar los datos en formato tabular y rastrear la posición en tiempo real en un mapa. Además, los datos pueden exportarse fácilmente en múltiples formatos.
Diagrama básico: click para abrir.
Un controlador de temperatura completamente digital, robusto, fácil de usar y rápido de instalar, tipo plug-and-play, diseñado para la industria del procesamiento de miel. Ha sido especialmente creado para un uso flexible en diversas aplicaciones donde se requiere regulación de temperatura.
Documentación: click para abrir.
Placas de circuito impreso diseñadas con KiCAD. Los componentes SMD son soldados por el fabricante. Los componentes que faltan se ensamblan manualmente.
Un Softsensor, un sistema embebido basado en Linux con un sensor de vibración conectado, se coloca estratégicamente en una máquina o proceso para monitoreo continuo. Este sistema embebido ejecuta un programa especializado para recopilar datos con fines de aprendizaje. Los datos recopilados se transfieren automacicamente a la nube de Amazon (AWS), donde se genera un modelo de inferencia.
Este modelo de inferencia es una herramienta crucial para el monitoreo en tiempo real y se complementa con diversos servicios en la nube para mejorar la seguridad y la disponibilidad. En caso de detectar una falla, el sistema activa automáticamente notificaciones instantáneas a los técnicos, garantizando una respuesta y acción rápida.
Github: click para abrir.
Imagen: SSV Software Systems GmbH
PyDSlog es una biblioteca de código abierto diseñada para agilizar la recopilación de datos esenciales para entrenar modelos de aprendizaje automático supervisado. Simplifica el proceso proporcionando un mecanismo para recolectar datos en forma de un flujo continuo (stream). Este flujo de datos puede ser dirigido directamente a un modelo de inferencia para su análisis en tiempo real o utilizarse para generar archivos CSV para un procesamiento posterior.
La correcta recopilación de datos es un paso vital en el desarrollo de modelos de aprendizaje automático, ya que permiten aprender de estos y hacer asi predicciones precisas. PyDSlog hace este proceso más eficiente, convirtiéndolo en una herramienta valiosa para los profesionales del aprendizaje automático.
Github: click para abrir.
PyPI: click para abrir.
Imagen: SSV Software Systems GmbH