-Desarrollo de Software Full Stack. -Back ( Python, TypeScript, Bun, Express js, Next js, Bull MQ) -Front ( React, Refine, JavaScipt) -Data Base ( SQL, PgAdmin, MongoDb, Redis) -Ingeniería de datos | ETL Orquestación de procesos con Bull MQ

Desarrollo y mantenimiento de la infraestructura backend:-Gestión e inginieria de datos con apache airflow.-mantenimiento y desarrollo del API con Python-Django.-ETL y Creacción de modelos de aprendizaje automático usando LLM y nuevas tecnologías aplicadas al Machine Learning.- Integración de funcionalidades en estrecha cooperación con el equipo de front.- Gestión de la BBDD, optimización de consultas.

Plataforma para operar en bolsaMe encargo de mantener y optimizar la infraestructura backend desarrollando nuevas funcionalidades y optimizando las existentes.Desarrollo y despliegue de nuevas características para la API REST, colaborando con los equipos de frontend para asegurar una integración sin problemas.Migración de la plataforma a GoogleCloudKubernetesIntegración de algoritmos predictivos mediante ML/IAETL | Creación de app para procesar datos en paralelo.Uso de {Python(TF, Numpy, Pandas, Json, Flask) Redis, PySpark, GCP, Docker, Caprover, n8n, MongoDB, React, Trello, Git}

Empresa especializada en una aplicación de gestión para las asociaciones de padres de escuelas.Desarrollo de microservicios desplegados en GCKOptimización de funcionalidades y consultas a la base de datos.Desarrollo, integración y despliegue de algoritmos.ETL | Extracción de datos de diferentes fuentes, limpieza y mergeo de los mismos, procesado e integración en BBDD.Uso de {Python(TF, Keras, APIRest, Pandas, Numpy, Json, Flask) GCP, React, MongoDB, Trello, Git)}

-Desarrollo de app capaz de detectar arritmias cardiacas mediante IA desplegada en Google Cloud.Tras un intenso trabajo de investigación sobre los datos que proporciona la segunda derivación de un electrocardiograma, usando los datos facilitados por el conjunto MIT-BIH, entrenamos un modelo obteniendo un accuracy del 99%.Mi función en este proyecto fue la siguiente:La app recibe como entrada un csv con los datos de la amplitud de la onda en un tiempo determinado pero también puede recibir una imagen del ECG completo. Mi trabajo consistió en procesar la imagen con Python y sus frameworks(PIL, OpenCV, Numpy etc.) y prepararla para transformarla en los datos de entrada necesarios al modelo. También ayudé a crear y entrenar el modelo así como el testeo del mismo. Link de la app: https://github.com/andrewsknight/Proyecto_Final_BigData.git -Procesado de data sets para después construir distintos modelos con redes neuronales, entrenados tanto con imágenes como con texto e incluso híbridos.Link de todo el flujo : https://colab.research.google.com/drive/1-oWagAmNL7BeDoZChUzPmwD-Jp7BRldT?usp=sharing -Procesado de texto para entrenar modelo de predicción de sentimientos a través de reseñas obtenidas de amazon:Link del preprocesado, entrenamiento y prueba del algoritmo.https://colab.research.google.com/drive/1_M5WKkLHPHfEMMfU3CWvD7Wgpk_zyCCR

-Realización de una app para registrar las ganancias y perdidas en las inversiones con criptomonedas. Creado el backend con python y el front con js. link a la app:https://github.com/andrewsknight/Final_proyect_v2.git