Durante mi colaboración en la Cátedra Isdefe-UAH, tuve la oportunidad de trabajar en proyectos relacionados con la ciberseguridad ofensiva y la automatización de auditorías de seguridad. Esta experiencia fue clave para desarrollar mi Trabajo de Fin de Grado, donde integré Modelos de Lenguaje Grandes (LLMs) para la creación de diccionarios de contraseñas personalizados. La cátedra no solo me brindó recursos valiosos, sino también el apoyo de un equipo que me permitió profundizar en el uso de tecnologías avanzadas aplicadas a la seguridad informática.

Como investigador en la Cátedra de Inteligencia Artificial en Banca, trabajé en un proyecto de detección de fraude financiero. Desarrollé un modelo de regresión logística en Python, analizando una base de datos de Kaggle sobre transacciones bancarias para predecir fraudes. Mi enfoque incluyó un riguroso tratamiento de datos y una investigación profunda de las capacidades del modelo logístico, demostrando un alto nivel de competencia en análisis de datos e inteligencia artificial.

En la beca de "Investigación en Algoritmos de Aprendizaje Automático", me centré en mejorar la predicción de mercados financieros utilizando redes neuronales convolucionales (CNN). Trabajé en la adaptación y aplicación de un marco CNN para analizar datos históricos de criptomonedas, integrando variables como Rendimiento, RSI, Medias Móviles, Volatilidad, ForceIndex y Estocástico. Mi contribución principal fue la modificación del modelo CNN original para adaptarlo a los datos de criptomonedas, y posteriormente evalué la precisión de las predicciones utilizando distintas métricas. Este proyecto destacó por su innovador enfoque en la correlación entre diferentes mercados para mejorar la predicción del comportamiento futuro de los índices financieros.