Seré tu consultor de ciencia de datos para proyectos de analítica y ML
Científico de datos e ingeniero de ML para pipelines de datos, modelos y APIs
Acerca de este Servicio
Tienes datos pero no sabes qué hacer con ellos, o tienes un modelo que dejó de tener sentido.
Soy científico de datos con un doctorado en ciencias de la ingeniería. He construido pipelines que procesan millones de registros al día y modelos que se usan en producción, no solo en cuadernos.
En esta llamada repasamos tu problema: qué contienen realmente los datos, qué preguntas pueden responder, qué construir primero y qué dejar de lado. Te irás con un resumen escrito del enfoque recomendado, las herramientas que usaría y una estimación realista del trabajo.
Razones típicas por las que la gente reserva esto:
- un conjunto de datos más desordenado de lo que se esperaba y necesita un plan antes de modelar
- un modelo o tablero existente que no responde a la pregunta de negocio
- un proyecto de analítica que necesita una segunda opinión técnica antes de asignar el presupuesto
Trabajo con Python y SQL, usando Pandas, scikit-learn, XGBoost, PyTorch, PostgreSQL y BigQuery. Si tu problema se resuelve mejor con una consulta SQL que con aprendizaje automático, te lo diré también.
Envíame una breve nota sobre tus datos antes de la llamada para poder prepararme.
FAQ
Traducción automática
¿Qué necesitas de mí antes de la llamada?
Una breve descripción del problema y, si puedes compartirlo, una muestra de los datos o su esquema. Diez filas son suficientes para empezar; no necesitamos el conjunto de datos completo.
¿La llamada es solo asesoramiento o también escribes código?
La llamada básica es asesoramiento más un resumen escrito. Para trabajo práctico elige el paquete Estándar o Premium, donde reviso tu código y tu modelo y los modifico directamente.
¿Firma usted un NDA?
Sí. Trabajo con datos clínicos e industriales bajo acuerdos de confidencialidad, así que puedo firmar el tuyo antes de que compartas cualquier cosa.
¿Qué herramientas usas?
Python con Pandas, scikit-learn, XGBoost y PyTorch, SQL en PostgreSQL, MySQL o BigQuery, y FastAPI o Docker cuando el resultado tiene que ejecutarse como un servicio.
