Sobre mi

Transformo dades, models i programari en sistemes que la gent pot utilitzar.

Soc l’Albert Queraltó, científic de dades amb formació doctoral i desenvolupador de programari establert a Barcelona. Treballo entre machine learning, enginyeria de dades, sistemes backend i desenvolupament de producte, amb especial interès pels sistemes que han de continuar sent útils després de l’experiment al notebook.

La meva feina combina raonament científic i enginyeria de programari. M’importa com es valida un model, però també com hi arriben les dades, com s’exposen les prediccions, com s’observen els errors i com l’usuari acaba prenent una decisió millor amb el resultat.

Aquest enfocament es veu en projectes com Payrithm i TenderWise, on machine learning, regles deterministes, APIs, tasques en segon pla, bases de dades i fluxos d’usuari han de funcionar conjuntament com un únic producte.

Aquest portfolio documenta l’arquitectura, els compromisos, els errors i les lliçons operatives d’aquests sistemes. L’objectiu no és mostrar demos aïllades, sinó explicar com raono de principi a fi sobre problemes de dades i programari en producció.

Àrees en què treballo

Sistemes de machine learning

Modelatge de sèries temporals, detecció d’anomalies, aprenentatge supervisat, validació, explicabilitat, serving i monitoratge.

Enginyeria de dades

Ingestió via API i fitxers, ETL, PostgreSQL i PostGIS, qualitat de dades, processament programat i pipelines operatius.

Backend i SaaS

Serveis FastAPI, disseny multi-tenant, workers Celery, Redis, permisos, auditoria i fluxos de producte orientats a decisions.

Enginyeria de producció

Docker, Linux, Nginx, desplegaments amb recursos limitats, observabilitat, fiabilitat i decisions d’infraestructura pragmàtiques.

Com enfoco la feina tècnica

  • → Començar per la decisió o el problema operatiu, no pel model.
  • → Validar què es podia saber realment en el moment de predir i dificultar el leakage per disseny.
  • → Preferir sistemes observables i mantenibles a infraestructura innecessàriament complexa.
  • → Separar les regles de domini dels models probabilístics quan aquesta distinció importa a l’usuari.
  • → Documentar modes de fallada i compromisos, no només l’arquitectura final.

Trajectòria

  • → Resolució de problemes i metodologia científica amb formació doctoral.
  • → Trajectòria acadèmica vinculada a la Universitat Autònoma de Barcelona i la Universitat Oberta de Catalunya.
  • → Establert a Barcelona i obert a oportunitats en ciència de dades, ML engineering, enginyeria de programari i treball tècnic orientat a producte.

Treballem junts

Si estàs construint un producte intensiu en dades, un sistema de decisió basat en ML o un flux de producció que necessita més fiabilitat, m’interessen especialment les decisions d’enginyeria que hi ha al darrere.