Albert Queraltó, PhD · Barcelona, España

Construyo sistemas de machine learning fiables a partir de datos del mundo real.

Científico de datos y desarrollador de software especializado en series temporales, detección de anomalías, pipelines de datos, APIs y herramientas de decisión full-stack. Actualmente aplico estas capacidades a sistemas de monitorización ambiental.

Ver trabajo seleccionado
Investigación
Resolución de problemas con formación doctoral
Ingeniería
APIs mantenibles y herramientas full-stack
ML aplicado
Series temporales en tiempo real y detección de anomalías
Producción
FastAPI, React, PostgreSQL, Docker
Sistemas de datos
Pipelines API, FTP, Airflow y geoespaciales

Stack principal

  • Python
  • Pandas
  • NumPy
  • scikit-learn
  • PyTorch
  • TensorFlow
  • FastAPI
  • PostgreSQL
  • Docker
  • Linux
  • Bash
  • Git
  • React
  • TypeScript
  • Plotly
  • Power BI

Cómo trabajo

De un problema ambiguo a un sistema mantenible.

Combino razonamiento científico e ingeniería de software: aclaro la decisión, valido los datos, construyo el modelo útil más pequeño y hago que el resultado sea observable y utilizable en producción.

Datos y analítica Convierto datos operativos desordenados en señales fiables.
  • Limpieza de series temporales, ingeniería de variables y análisis exploratorio
  • Modelado estadístico, validación e informes interpretables
  • Visualización con Plotly, Bokeh, Power BI y Streamlit
Sistemas de machine learning Desarrollo modelos que resisten el contacto con datos de producción.
  • Aprendizaje supervisado y deep learning con scikit-learn, PyTorch y TensorFlow
  • Predicción de series temporales, detección de anomalías e interpretación con SHAP
  • APIs de serving, monitorización, entrenamiento reproducible y contenedores
Plataformas y pipelines de datos Muevo datos de forma fiable desde los sistemas de origen hasta las aplicaciones.
  • Ingesta mediante API, FTP, archivos y tareas programadas
  • PostgreSQL, PostGIS, Databricks y almacenamiento analítico
  • Planificación con Apache Airflow, automatización ETL y controles de calidad
Ingeniería de software Convierto trabajo analítico en productos mantenibles.
  • Servicios Python con FastAPI y Flask
  • Interfaces React y TypeScript para configuración y resultados
  • Docker, Linux, Git, testing y límites arquitectónicos claros

Proyectos principales

SaaS orientado a producción para decisiones empresariales importantes.

Dos sistemas de mayor alcance que muestran el recorrido completo desde el modelado de datos y las reglas de dominio hasta APIs, tareas en segundo plano, despliegue y diseño de producto orientado a decisiones.

Proyecto principal · SaaS de machine learning

Payrithm convierte el historial de facturas en decisiones de cobro.

Una plataforma de inteligencia de cuentas por cobrar que predice pagos tardíos, estima cuándo se cobrará, proyecta entradas de caja y convierte los resultados del modelo en flujos de cobro priorizados.

  • Utiliza validación cronológica para evitar que información futura se filtre al entrenamiento.
  • Evalúa la calidad de las probabilidades con ROC-AUC, calibración y Brier score.
  • Combina riesgo, importe de factura, urgencia y actividad de recordatorios en una puntuación de prioridad explicable.
  • Python
  • FastAPI
  • scikit-learn
  • React
  • PostgreSQL
  • Celery
  • Redis
  • Docker
Ver caso de estudioLeer artículoAbrir aplicaciónCódigo fuente
Panel de Payrithm con riesgo de facturas y prioridades de cobro

Producto ML end-to-end

Ingesta de datos, procesamiento asíncrono, entrenamiento de modelos, APIs de predicción, monitorización y frontend orientado a decisiones.

Proyecto principal · SaaS de contratación pública

TenderWise convierte el ruido de la contratación pública en decisiones bid/no-bid.

Un SaaS multilingüe para contratación pública europea que ingiere anuncios TED, puntúa oportunidades según perfiles de empresa, separa relevancia estratégica y cualificación, y coordina la preparación de ofertas.

  • Conserva el historial canónico de anuncios TED para mantener trazables los cambios de origen y los reintentos fallidos.
  • Mantiene relevancia y cualificación como ejes separados antes de devolver BID, REVIEW o NO_BID.
  • Añade un espacio de trabajo de ofertas con etapas, plazos internos, asignaciones, listas de control, comentarios y notificaciones.
  • Funciona como SaaS Dockerizado con espacios de trabajo, roles, límites de facturación, registros de auditoría, copias de seguridad y resúmenes de IA opcionales.
  • React
  • TypeScript
  • FastAPI
  • PostgreSQL
  • pgvector
  • Celery
  • Redis
  • Docker
  • Stripe
  • Ollama
Ver caso de estudioLeer artículoAbrir aplicaciónCódigo fuente
Panel de TenderWise con puntuaciones de oportunidades TED, evidencias de cualificación y progreso de ofertas

SaaS de contratación en producción

Frontend React/Vite, API FastAPI, PostgreSQL con pgvector, workers Redis/Celery, ingesta TED programada, facturación, auditoría, backups y resúmenes de IA opcionales.

Experiencia

Ciencia de datos aplicada en entornos operativos.

Experiencia construyendo modelos, pipelines de datos, APIs y herramientas técnicas para monitorización ambiental, sistemas industriales, analítica de clientes e investigación científica.

  1. Junio 2025 — Actualidad

    Desarrollador de software

    Adasa Systems · El Prat de Llobregat, España

    • Implemento funcionalidad backend con Python y una plataforma IoT.
    • Integro datos de API, FTP, hidrológicos, meteorológicos, ráster y conjuntos geográficos.
    • Construyo flujos de ingesta programados con planificadores propios y Apache Airflow.
    • Almaceno y expongo datos operativos mediante PostgreSQL, PostGIS, GeoServer y APIs.

  2. Enero 2023 — Actualidad

    Científico de datos

    Adasa Systems · El Prat de Llobregat, España

    • He desarrollado modelos de machine learning para series temporales en tiempo real de tratamiento de agua y presas.
    • He construido un detector de eventos de contaminación con más del 80% de capacidad de detección.
    • He utilizado SHAP para interpretar predicciones de los modelos.
    • He creado herramientas con Streamlit y FastAPI para configurar, migrar y visualizar modelos.
    • He desarrollado una aplicación RAG con ChromaDB, LangChain, Ollama, FastAPI y React.

  3. Junio 2022 — Enero 2023

    Científico de datos

    HP a través de Between Technology · Sant Cugat del Vallès, España

    • Automaticé procesos ETL de bases de datos con Python y Databricks.
    • Analicé datos de reparaciones, impresión, atención al cliente y reseñas.
    • Automaticé flujos de informes recurrentes con Python y PostgreSQL.

  4. Enero 2019 — Junio 2022

    Científico de datos e investigador

    Instituto de Ciencia de Materiales de Barcelona · Cerdanyola del Vallès, España

    • Lideré experimentación de alto rendimiento y descubrimiento de materiales basado en datos.
    • Automaticé hardware experimental y adquisición de datos con Python.
    • Desarrollé modelos de machine learning para optimización y predicción experimental.

Trabajo seleccionado

Proyectos que conectan modelos, datos y software.

Sistemas de machine learning, productos analíticos, pipelines de datos y aplicaciones web con explicaciones detalladas de las decisiones técnicas.

9 proyectos

Payrithm — vista previa de la aplicación

SaaS ML · Operaciones financieras

Payrithm

Desplegado

Una plataforma de inteligencia de cuentas por cobrar que predice pagos tardíos, estima cuándo se pagarán las facturas, proyecta cobros de caja y prioriza el trabajo de recobro.

  • Python
  • FastAPI
  • scikit-learn
  • React
  • TypeScript
Ver caso de estudio Ver demo
TenderWise — vista previa de la aplicación

SaaS de contratación · Soporte a decisiones

TenderWise

Desplegado

Un SaaS multilingüe de contratación pública que ingiere anuncios TED, puntúa oportunidades según perfiles de empresa, separa relevancia de cualificación y coordina la preparación de ofertas.

  • React
  • TypeScript
  • Vite
  • FastAPI
  • PostgreSQL
Ver caso de estudio Ver demo
Portal meteorológico de Cataluña — vista previa de la aplicación

Portal de planificación meteorológica

Portal meteorológico de Cataluña

Desplegado

Un portal React autenticado para planificar actividades en Cataluña, combinando histórico de estaciones Meteocat, alertas sobre mapa, señales de calidad del aire y recomendaciones de actividades.

  • TypeScript
  • React
  • Python
  • FastAPI
  • Leaflet
Ver caso de estudio Ver demo
Panel de obesidad — vista previa de la aplicación

Analítica interactiva

Panel de obesidad

Desplegado

Un panel interactivo para explorar patrones globales de obesidad y diferencias demográficas con un stack analítico en Python.

  • Python
  • Bokeh
  • Pandas
  • Render
Ver caso de estudio Ver demo
Pipeline de datos energéticos de España — vista previa de la aplicación

Ingesta de datos · Automatización

Pipeline de datos energéticos de España

Completado

Un pipeline automatizado que recopila precios de la electricidad y datos de generación renovable de España y almacena resultados estructurados para su análisis.

  • Python
  • REST API
  • PostgreSQL
  • Selenium
Ver caso de estudio

Empecemos una conversación

Construyamos algo útil.

Escríbeme sobre puestos de ciencia de datos, ingeniería de machine learning, ingeniería de software o colaboraciones de producto que necesiten pasar de datos y prototipos a sistemas de producción.

En Barcelona · Abierto a oportunidades remotas en Europa
Ubicación
Barcelona, España
Correo electrónico
albert@albertqueralto.dev