He trabajado como desarrollador back-end en Python manteniendo múltiples servicios, tanto en AWS Lambda con arquitectura serverless; como una API en FastAPI con partes tanto REST como GraphQL, con Graphene. Principalmente desarrollando y manteniendo el back-end que sirve a un dashboard para asistir en la venta y postventa, mediante vídeo, en concesionarios. Las bases de datos que utilizamos son MySQL y algo de DynamoDB. Conseguimos una cobertura de tests del 90% usando Pytest, para test de integración y unitarios, así como tests de carga usando Locust. También mantenemos integraciones con Sendgrid, Twilio, Auth0 o Salesforce. Los servicios están dockerizados y usamos Docker Compose para coordinar los contenedores. Somos los encargados de nuestras pipelines de despliegue con Gitlab CI. La infrastructura es en AWS, tanto Elasticbeanstalk como ECS, y por otro lado lambdas.

Chosen to be part of the 23rd edition of the Tetuan Valley Startup School, a crash course about entrepreneurship coming from a great team in close contact with the startup ecosystem.

Trabajé 6 meses como desarrollador back-end en el equipo de desarrollo. Trabajamos prácticamente desde 0 en el desarrollo de varios servicios encargados de proveer al equipo de quant con datos actualizados para que pudieran desarrollar sus algoritmos de trading. También desarrollamos otros servicios para comunicarnos con brokers y así hacer efectivas recomendaciones de operaciones financieras en tiempo real para nuestros clientes. Usábamos MariaDB, Pandas, SQLAlchemy y desplegábamos los servicios dockerizados en EC2 en AWS.

Trabajé dos años como desarrollador back-end en el equipo de plataforma. Contribuía a mantener una arquitectura ETL de hasta 50 microservicios, algunos dockerizados, en Python orquestada a través de mensajes con RabbitMQ y desplegada con Jenkins. Con nuestro trabajo proveíamos al resto de equipos con datos actualizados para que pudiesen realizar su trabajo. Al tratarse de datos financieros, hacíamos un uso intensivo de la librería Pandas, y también, aunque menos a menudo, Numpy. Manteíamos una API implementada con Flask para servir estos datos, que modelábamos con SQLAlchemy. Supervisábamos el funcionamiento del sistema con Kibana. Las bases de datos eran múltiples, MySQLServer, PostgreSQL y algo de MongoDB.

There, I fulfilled my academic internship in the System and Process Assurance department.The time I spent in PwC I focused my efforts on performing comfort tests, specially trial balance reports using Microsoft Excel.