Análisis y proyectos

Web components, Python y la estrategia «Standalone» para un despliegue sin fricción. Stack tecnológico elegido. Para este MVP (Producto Mínimo Viable), he priorizado la velocidad de desarrollo y la portabilidad. *   Backend (simulación): Python. Es el lenguaje nativo del Data Science. Usé `pandas` (simulado con diccionarios para portabilidad) y `random` para la generación estocástica de...

Cómo transformar una alerta técnica en una decisión de negocio que ahorra dinero. El coste de la no calidad. En Business Development, el lenguaje no es «voltios» ni «pascales», es Euros y ROI. Es un negocio, y complicado, porque se trabaja con dinero público, en el caso de RENFE. Una avería en vía no cuesta...

Más allá de la media: cómo algoritmos simples pueden detectar problemas complejos. Lógica de simulación: «Digital Twin». Para este portfolio,(pincha aquí para verlo de forma interactiva) no tenía acceso a datos reales de Renfe en tiempo real, así que construí, con la ayuda de la IA, un generador de datos sintéticos (Digital Twin) en Python...

De manuales de taller en PDF y partes de trabajo en papel a un Data Lake estructurado en JSON. El desafío de los datos «sucios«. En la industria ferroviaria, los datos raramente vienen limpios. Lo habitual es encontrar Documentación técnica (ITs) en PDF, partes de taller manuscritos o en Excel desconectados, o logs de sensores...