Proyectos

Sistemas predictivos listos para producción, con impacto real en los sectores de salud, finanzas, seguros, tecnología legal y marketing.

01
Healthcare NLP

NLP sobre 2M+ historiales clínicos — IIS La Fe

Clasificador de estado de tabaquismo desarrollado sobre texto clínico no estructurado usando NLP y Elasticsearch sobre un corpus de más de 2 millones de registros de pacientes del Hospital Universitario La Fe (Valencia).

Automatiza la extracción de variables clínicas clave para investigación epidemiológica a escala de hospital.

Qué hace

  • Clasifica el estado de tabaquismo desde texto clínico libre
  • Procesa y anota más de 2M de registros electrónicos de salud
  • Reduce el tiempo de etiquetado manual de historiales clínicos
Tecnologías
Python spaCy Elasticsearch NLP Regex EHR
02
Seguros ML

Sistema de priorización de rellamadas

Sistema predictivo para una aseguradora dental que asigna probabilidades de conversión a cada cliente potencial, permitiendo que el equipo comercial enfoque su tiempo de forma estratégica mediante XGBoost e interpretabilidad de variables clave.

Mejora la conversión de presupuestos y reduce el esfuerzo manual del equipo comercial.

Qué hace

  • Asigna una probabilidad de conversión a cada lead
  • Ordena la lista de rellamadas por potencial real
  • Explica los factores clave de cada predicción
Tecnologías
Python XGBoost Clasificación SHAP Interpretabilidad
03
Legal ML

Tasación inmobiliaria como pericia judicial

Modelo predictivo desarrollado a partir de datos de Idealista orientado a estimar el valor de mercado de viviendas. El modelo fue empleado como informe pericial en un proceso judicial, dotando de rigor estadístico a la valoración ante el tribunal.

Valoración automática con respaldo estadístico utilizado como evidencia en procedimientos legales.

Qué hace

  • Estima precios de vivienda con variables estructurales y contextuales
  • Detecta sobrevaloraciones e infravaloraciones de mercado
  • Genera reportes con intervalos de confianza para uso pericial
Tecnologías
Python scikit-learn ML · Regresión Feature engineering Validación de modelos
04
GenAI Healthcare

Asistente de escritura médica con GPT

Aplicación generativa diseñada para asistir a profesionales sanitarios en la redacción de libros médicos especializados, combinando context retrieval con GPT y validación de terminología clínica.

Reduce drásticamente el tiempo de redacción técnica manteniendo precisión clínica.

Qué hace

  • Genera y revisa texto médico especializado con LLMs
  • Mantiene coherencia terminológica a lo largo del documento
  • Integra referencias y contexto clínico de forma automática
Tecnologías
Python LangChain OpenAI API RAG FastAPI
05
Finanzas ML

Sistema de predicción de fondos financieros — Forja ICC

Responsable técnico único del diseño y construcción de un sistema de forecasting híbrido para fondos de inversión. Gestión del equipo técnico y comunicación con stakeholders de negocio.

Patrones invisibles en datos financieros convertidos en señales de inversión accionables.

Qué hace

  • Modela series temporales financieras con modelos híbridos
  • Genera señales de compra/venta con gestión de incertidumbre
  • Apoya decisiones de inversión con análisis predictivo
Tecnologías
Python Series temporales Modelado híbrido Forecasting
06
Marketing NLP

Análisis de sentimientos en RRSS para Mercadona

Sistema NLP de análisis de sentimientos sobre comentarios de redes sociales para proporcionar insights de mercado a proveedores de Mercadona en ForumData.

Convierte opiniones de usuarios en inteligencia de mercado estructurada para la toma de decisiones de proveedores.

Qué hace

  • Clasifica el sentimiento de comentarios en redes sociales
  • Extrae tendencias y menciones clave por producto
  • Genera reportes de percepción de marca para proveedores
Tecnologías
Python NLP Sentiment Analysis Social Media NLTK
07
Bioinformática ML

Clasificación de receptores sensoriales en artrópodos

Modelo de machine learning para clasificar receptores olfativos y gustativos en artrópodos a partir de datos biológicos. Desarrollado como parte del Máster en Bioinformática y Bioestadística (UOC).

Automatiza el análisis funcional de secuencias biológicas, acelerando la identificación de receptores relevantes.

Qué hace

  • Clasifica receptores sensoriales a partir de características biológicas
  • Apoya la identificación funcional en estudios bioinformáticos
  • Reduce el esfuerzo manual en análisis de datos genómicos
Tecnologías
Python ML · Clasificación Feature extraction Bioinformática Datos ómicos
Escríbeme