SciML / PINNsDespliegue científico en Cloud
Laboratorio de PINNs & SciML en AWS
Redes Neuronales Informadas por la Física para resolución de EDPs (Burgers 1D, difusión térmica 2D, Navier-Stokes) con APIs en FastAPI y despliegue en AWS EC2.
Computación Científica · Machine Learning · Cloud Architecture
Proyectos & Investigación
Selección de desarrollos e implementaciones en Scientific Machine Learning (PINNs), Visión Computacional, arquitectura distribuida en AWS y modelado matemático continuo. Haz clic en cada caso de estudio para explorar la arquitectura y formulación técnica.
Computer VisionAUC = 0.97 · 99% Sensibilidad
Detección de Neumonía en Rayos X (CheX-DS)
Pipeline modular en PyTorch que implementa CheX-DS (Ensemble de DenseNet121 y Swin Transformer) con pérdida asimétrica ponderada, logrando AUC = 0.97 y ~99% de sensibilidad en radiografías de tórax.
NLP & Transformers76.88% Precisión Test (Udacity)
SentimentScope: Transformer en PyTorch para NLP
Arquitectura Transformer completa implementada desde cero en PyTorch con Multi-Head Attention y Mean Pooling para clasificación de sentimientos en IMDB (50k reseñas), evaluado y aprobado en Udacity con 76.88% de precisión.
Cloud & MLOpsProducción con Random Forest
Centro de Pronóstico de Energía
Modelos de regresión comparativa (Random Forest, XGBoost) en Python y R con pipelines modulares de entrenamiento continuo, servido con FastAPI y Streamlit.
Computer Vision+120k parches procesados
Reconstrucción Isotrópica de Bio-Imágenes 3D
Arquitectura CycleGAN en PyTorch para traslación no pareada imagen a imagen, corrigiendo la distorsión anisotrópica en datos de microscopía de tejidos.