AI / ML Engineer especializado en IA aplicada, sistemas agénticos y affective computing. Diseño y construyo, de extremo a extremo, la infraestructura que permite a los sistemas de IA percibir y adaptarse al estado humano: desde el procesamiento multimodal de señales biométricas (cámara, voz, mirada, facial coding) hasta su interpretación científica mediante pipelines agénticos de RAG, pasando por SDKs embebibles, orquestación distribuida y servicio de LLMs on-premise.

Mi foco específico es la IA/ML, pero me gusta conocer todas las capas del desarrollo —backend, frontend, datos e infraestructura— porque entender el sistema completo me permite diseñar mejor mi parte. Mi día a día es Python: FastAPI para servir modelos, LLMs (RAG, orquestación agéntica, fine-tuning) y ML/CV; con TypeScript/React para SDKs y UIs, y .NET/C# cuando el rendimiento lo pide. Todo con un fuerte componente de MLOps. Mi recorrido empezó en back-end y automatización con Python y ha madurado hacia la IA aplicada en producción, llevando proyectos del PoC a producción cloud y on-device.

Antes de la tecnología pasé más de 11 años dirigiendo mi propia empresa, una experiencia que me dejó una visión pragmática: la tecnología tiene que resolver problemas reales de negocio. Me mueve construir soluciones útiles, aprender de forma continua y aportar en equipos donde se valoren la curiosidad y el pensamiento crítico.

• 🧠 Sistemas LLM agénticos & RAG — pipelines multi-fase con LangGraph (perceive → assess → decide → act), RAG sobre literatura científica con pgvector, memoria episódica per-user para agentes.
• ❤️ Affective Computing & Visión por Computador — KPIs emocionales desde vídeo/voz (facial coding, gaze, head pose, rPPG), modelo circumplejo valencia-activación, biomarcadores (FAA, GSR, HR).
• 🤖 Machine Learning / FER — entrenamiento de DCNNs para reconocimiento de expresión facial (TensorFlow/Keras), con auditoría de fairness y pruebas de robustez.
• ⚙️ MLOps & Serving de LLMs — servicio propio OpenAI-compatible (vLLM, FP8 en GPU H200), fine-tuning con QLoRA/PEFT, destilación teacher-student e inferencia on-device (NPU / Ryzen AI).
• 🏗️ Backends de alto rendimiento & Data — APIs async con FastAPI y ASP.NET Core, PostgreSQL + pgvector con RLS multi-tenant, arquitectura Medallion (Databricks + dbt).

Lenguajes

IA / ML

Backend & Frontend

Datos & Infra

🔒 Mi trabajo más reciente (RAG agéntico, memoria para agentes y serving de LLMs en producción) vive en repositorios privados de empresa.

AI / ML Engineer specialized in applied AI, agentic systems and affective computing. I design and build, end to end, the infrastructure that lets AI systems perceive and adapt to the human state: from multimodal processing of biometric signals (camera, voice, gaze, facial coding) to their scientific interpretation through agentic RAG pipelines, plus embeddable SDKs, distributed orchestration and on-premise LLM serving.

My core focus is AI/ML, but I like to understand every layer of development —backend, frontend, data and infrastructure— because grasping the whole system lets me design my own part better. My day-to-day is Python: FastAPI for model serving, LLMs (RAG, agentic orchestration, fine-tuning) and ML/CV; with TypeScript/React for SDKs and UIs, and .NET/C# when performance demands it. All with a strong MLOps component. My path started in Python back-end and automation and has matured into applied AI in production, taking projects from PoC to cloud and on-device deployment.

Before tech, I spent over 11 years running my own company, an experience that left me with a pragmatic mindset: technology has to solve real business problems. I'm driven by building useful solutions, continuous learning and contributing to teams that value curiosity and critical thinking.

• 🧠 Agentic LLM systems & RAG — multi-phase LangGraph pipelines (perceive → assess → decide → act), RAG over scientific literature with pgvector, per-user episodic memory for agents.
• ❤️ Affective Computing & Computer Vision — emotional KPIs from video/voice (facial coding, gaze, head pose, rPPG), valence-arousal circumplex model, biomarkers (FAA, GSR, HR).
• 🤖 Machine Learning / FER — training DCNNs for facial expression recognition (TensorFlow/Keras), with fairness auditing and robustness testing.
• ⚙️ MLOps & LLM serving — self-hosted OpenAI-compatible service (vLLM, FP8 on H200 GPUs), fine-tuning with QLoRA/PEFT, teacher-student distillation and on-device inference (NPU / Ryzen AI).
• 🏗️ High-performance backends & Data — async APIs with FastAPI and ASP.NET Core, PostgreSQL + pgvector with multi-tenant RLS, Medallion architecture (Databricks + dbt).

Languages

AI / ML

Backend & Frontend

Data & Infra

🔒 My most recent work (agentic RAG, agent memory and production LLM serving) lives in private company repositories.