Hola, soy Jaime Martinez Data Scientist

Construyo sistemas de IA que llegan a producción. Tres están desplegados en AWS y puedes abrirlos desde esta página.

Ver los tres sistemas

Cifras del portafolio

  • 3 Aplicaciones en producción sobre AWS, no prototipos
  • 4,34 % MAPE del pronóstico de demanda a 72 h, con objetivo del 7 %
  • 96 % Cobertura real del intervalo de predicción del 95 %
  • 0 Claves de API almacenadas en el servidor
Retrato de Jaime Hernan Martinez Silva

¿Quién soy?

Soy Data Scientist y trabajo sobre el mercado eléctrico colombiano. Mi trabajo cubre el ciclo completo: ingesta y modelado de datos, evaluación, contenerización y operación en AWS.

No entrego cuadernos de análisis, entrego sistemas que siguen funcionando cuando yo no estoy delante. La diferencia entre un modelo y un producto está en lo que pasa cuando algo falla: por eso cada sistema lleva su suite de evaluaciones con umbrales explícitos, sus límites de memoria medidos (no copiados) y un runbook que permite que otra persona lo opere sin llamarme.

Trabajo con datos del sector energético porque es un dominio donde equivocarse cuesta. Un pronóstico de demanda mal calibrado no es un número feo en un informe, es una decisión de despacho. Eso obliga a una disciplina que después se nota en cualquier otro dominio.

Datos y modelado

  • Python
  • pandas
  • DuckDB
  • Parquet
  • LightGBM
  • statsforecast
  • FAISS

IA generativa

  • OpenAI API
  • RAG
  • LangGraph
  • Salida estructurada
  • Evals

Despliegue

  • Docker
  • Nginx
  • AWS EC2
  • Cloudflare
  • Let's Encrypt

Cuatro pasos, siempre en este orden

Ninguno es opcional y ninguno se adelanta. La mayoría de los proyectos de datos que no llegan a producción se saltan el segundo o el cuarto.

  1. Especificación antes que código

    Antes de escribir una línea defino qué entra, qué sale y qué cuenta como respuesta correcta. Si no se puede escribir el criterio de aceptación, el problema todavía no está entendido y el código solo lo va a esconder.

  2. Evaluación antes que despliegue

    Cada sistema lleva su conjunto de evaluación con umbrales numéricos declarados de antemano. Un pronóstico que no baja del 7 % de MAPE no se aprueba, por buena que se vea la gráfica. El umbral se fija antes de ver el resultado, que es la única forma de que signifique algo.

  3. Contenerización reproducible

    Dependencias fijadas versión a versión, artefactos versionados junto al código y un build que aborta si falta un modelo o un índice. Que la imagen se construya hoy igual que dentro de un año no es elegancia: es la diferencia entre poder arreglar un fallo y tener que reconstruir el proyecto.

  4. Operación documentada

    Límites de memoria medidos con el sistema bajo carga real, renovación de certificados probada el primer día y no al caducar, y un runbook que explica qué hacer cuando algo se rompe. Un sistema que solo sabe operar quien lo escribió no está terminado.

Tres sistemas que puedes abrir ahora

Desplegados en una única instancia de AWS EC2 con Docker, Nginx y TLS, detrás de un proxy inverso que rutea por prefijo de ruta. No son capturas de pantalla: son enlaces.

Las tres aplicaciones piden tu propia clave de la API de OpenAI en la barra lateral. Es una decisión de diseño, no una limitación: no hay clave del servidor, así nadie paga el consumo de otro y ninguna credencial queda almacenada en ninguna parte.

01

Asistente Regulatorio CREG

Recuperación aumentada con citas que se verifican contra los fragmentos realmente recuperados.

  • Python
  • Streamlit
  • FAISS
  • GPT-4o-mini
  • Docker
Abrir aplicación
Cabecera del Asistente Regulatorio CREG con el selector de preguntas de ejemplo

Responde preguntas sobre las resoluciones de la CREG citando el artículo exacto del que sale cada afirmación. El problema real de un asistente regulatorio no es responder: es que una cita inventada tiene el mismo aspecto que una correcta. Aquí cada referencia se contrasta contra los fragmentos que el buscador recuperó de verdad, y si el modelo se inventa una, la respuesta se descarta y se vuelve a generar.

Recuperación
Índice FAISS construido fuera de línea y versionado junto al código, para que la respuesta de hoy sea reproducible mañana.
Canalización
Clasificación de dominio, reescritura de la consulta, embedding, búsqueda vectorial y generación con citas verificadas.
Latencia
p95 de 17,0 s de pregunta a respuesta. El objetivo de 15 s de media se cumple; el p95 lo excede y está documentado como deuda, no escondido.
02

EnergIA Colombia

Lenguaje natural a SQL validado sobre instantáneas del sistema eléctrico nacional.

  • Python
  • DuckDB
  • Parquet
  • Plotly
  • Streamlit
Abrir aplicación
Cabecera de EnergIA Colombia con el selector de preguntas de ejemplo

Convierte una pregunta en español o inglés en SQL validado, lo ejecuta sobre instantáneas Parquet del sistema eléctrico (demanda horaria, precios de bolsa, embalses y clima) y devuelve tres cosas: la tabla, la gráfica que corresponde a esa forma de resultado y una interpretación escrita. Dejar que un modelo genere SQL contra una base real es un riesgo conocido; aquí el SQL pasa por un validador antes de ejecutarse.

Barrera
Sin escrituras y sin acceso fuera del esquema declarado. La validación es del 100 % de las consultas y ocurre antes de tocar el motor, no después.
Datos
Instantáneas Parquet consultadas con DuckDB en proceso: sin servidor de base de datos que operar ni credenciales que rotar.
Salida
Tabla, gráfico elegido según el resultado e interpretación en prosa. Si la consulta devuelve demasiadas filas, avisa y sugiere acotarla en vez de dibujar un gráfico ilegible.
03

Proyección de Demanda Eléctrica

Pronóstico a 72 horas con intervalos recalibrados y seis comprobaciones que cierran el grafo.

  • LangGraph
  • LightGBM
  • AutoETS
  • DuckDB
  • Plotly
Abrir aplicación
Cabecera de la Proyección de la Demanda Eléctrica con los escenarios de prueba

Pronostica la demanda del Sistema Interconectado Nacional a 72 horas mediante un grafo de seis nodos: datos, estacionalidad, régimen climático ENSO, ensamble, explicación de anomalías y validación. Combina AutoETS con LightGBM cuantílico para entregar un intervalo de predicción y no un único número, porque una cifra sin incertidumbre no sirve para decidir.

Precisión
MAPE del 4,34 % frente a un objetivo declarado del 7 %. El umbral se fijó antes de medir.
Calibración
El intervalo nominal del 95 % cubría en realidad el 61 % de los valores. Recalibrado, cubre el 96 %: un intervalo que miente es peor que no tenerlo.
Validación
Seis comprobaciones automáticas cierran el grafo. Si alguna falla, el pronóstico no puede aprobarse: no hay versión degradada.

Experiencia

Desde 1998 en telecomunicaciones: dirección de proyectos, gestión de producto e ingeniería de red, en fabricantes y en operador.

  • 2016 a hoy

    SIAE Microelettronica

    • Responsable de país 2023 a hoy
    • Responsable de la oficina de gestión de proyectos 2016 a 2023
  • 2014 a 2016

    DIRECTV Colombia

    • Jefe del equipo de ingeniería de red de acceso radio y transporte 2014 a 2016
  • 2007 a 2014

    Nokia

    • Gerente de producto de acceso y transporte de banda ancha móvil 2009 a 2014
    • Gerente de soluciones de banda ancha móvil 2007 a 2009
  • 1998 a 2007

    Siemens

    • Consultor de soluciones de venta, Colombia 2005 a 2007
    • Gerente de proyectos, Suramérica 1998 a 2005

Formación

  • Máster

    Big Data y Business Analytics

    Universidad Católica de Murcia

  • Pregrado

    Ingeniería en Electrónica y Telecomunicaciones

    Universidad del Cauca

  • Certificación

    IBM Data Science Professional Certificate

    Coursera, diciembre de 2023

  • Certificación

    Google Data Analytics Certificate

    Coursera, noviembre de 2022

¿Tienes datos y un problema que todavía no tiene forma?

Es la parte que más me gusta. Escríbeme y lo miramos: si no hay nada que construir, te lo digo.

Al enviar, tu nombre, tu correo y tu mensaje se transmiten a FormSubmit, un servicio de terceros en Estados Unidos que me los reenvía por correo. No se guardan en este servidor ni se usan para nada más que responderte. Si prefieres evitar ese paso, escríbeme directamente por correo.