Notas de ingeniería
Construyendo sistemas de ML y software en producción.
Notas de ingeniería de sistemas reales que construyo: pipelines de machine learning, arquitectura SaaS, tareas en segundo plano, ingestión de datos, sistemas de decisión, despliegue y los compromisos técnicos asociados.
Explora por tema
Guías enfocadas que conectan artículos, proyectos y lecciones de producción relacionadas.
Sistemas de machine learning
Notas prácticas sobre cómo construir, validar, explicar y operar sistemas de machine learning más allá del notebook.
Ingeniería de datos
Ingestión, modelado, calidad, procesamiento en segundo plano y lecciones operativas de pipelines de datos en producción.
Arquitectura SaaS y producción
Notas de arquitectura de sistemas SaaS en producción con FastAPI, PostgreSQL, Celery, Docker y Nginx.
De la probabilidad de ML a una puntuación de prioridad de negocio
Por qué Payrithm no ordena simplemente las facturas por probabilidad de pago tardío y cómo combino el riesgo calibrado de ML con el valor, la urgencia y la actividad de cobro.
- Machine Learning
- Product Engineering
- Fintech
Construyendo un SaaS multi-tenant con FastAPI y PostgreSQL
Cómo estructuro el aislamiento por workspace, los permisos, las tareas en segundo plano, la facturación y el estado de auditoría al convertir una aplicación FastAPI en un SaaS multi-tenant.
- FastAPI
- PostgreSQL
- SaaS
Qué salió mal al ingerir datos de contratación pública de TED
Los problemas de modelo de datos y fiabilidad que dieron forma al pipeline de ingestión TED de TenderWise, desde versiones de avisos y lotes hasta campos multilingües, reintentos y criterios de cualificación semiestructurados.
- Data Engineering
- ETL
- PostgreSQL
Validación temporal para la predicción de pagos tardíos
Por qué predecir pagos tardíos requiere más que una división cronológica train/test y cómo reconstruyo qué podía saberse realmente cuando se habría realizado cada predicción de Payrithm.
- Machine Learning
- Time Series
- Scikit-learn
Operar PostgreSQL, Redis y Celery en un VPS de 8 GB
Qué me ha enseñado ejecutar PostgreSQL, Redis, workers de Celery y varias aplicaciones SaaS en un VPS de 8 GB sobre presupuestos de recursos, concurrencia, colas y simplicidad operativa.
- DevOps
- PostgreSQL
- Redis
Construyendo TenderWise: inteligencia basada en reglas para decidir Bid/No-Bid en licitaciones europeas
Cómo diseñé TenderWise como un SaaS multilingüe de contratación pública que ingiere anuncios TED, aplica matching determinista de perfiles, separa la relevancia de la cualificación y convierte el análisis de licitaciones en preparación colaborativa de ofertas.
- Software Engineering
- FastAPI
- React
Construyendo un predictor de retraso en el pago de facturas con Python y Scikit-learn
Cómo diseñé el pipeline de machine learning de Payrithm para predecir pagos tardíos sin fuga de datos, evaluar la calidad de las probabilidades y convertir las predicciones en prioridades de cobro accionables.
- Machine Learning
- Scikit-learn
- Python
Feature engineering para machine learning: técnicas prácticas
El trabajo a menudo ignorado de transformar datos brutos en variables informativas: encoding, escalado, valores ausentes, interacciones y selección de variables.
- Feature Engineering
- Machine Learning
- Scikit-learn
Modelos de difusión explicados: las matemáticas detrás de Stable Diffusion
Cómo los modelos probabilísticos de difusión con denoising aprenden a generar imágenes invirtiendo un proceso gradual de adición de ruido, explicado desde cero.
- Generative AI
- Diffusion Models
- Deep Learning
Detección de anomalías en series temporales con LSTM
Cómo construir un pipeline robusto de detección de anomalías para datos multivariantes de sensores con autoencoders LSTM en PyTorch, incluyendo selección de umbrales y despliegue.
- Time Series
- LSTM
- Anomaly Detection
Redes neuronales convolucionales: cómo ven las máquinas
Una explicación desde cero de las CNN: convolución, pooling, campos receptivos y las decisiones arquitectónicas que hicieron funcionar el deep learning para imágenes.
- Computer Vision
- CNN
- Deep Learning
Optimizadores de descenso de gradiente: de SGD a Adam
Una guía práctica de los algoritmos de optimización más utilizados en deep learning: qué calculan, por qué difieren y cuándo usar cada uno.
- Deep Learning
- Optimization
- PyTorch
Entender los Transformers: la arquitectura detrás del NLP moderno
Una inmersión en el mecanismo de autoatención y en cómo los Transformers sustituyeron a las redes recurrentes para convertirse en la base de los modelos de lenguaje modernos.
- NLP
- Deep Learning
- Transformers