¡Hola! Soy Jorge, un Ingeniero de Software apasionado por el Machine Learning y la toma de decisiones basada en datos. Mi enfoque principal es construir modelos predictivos o de optimización, robustos y pipelines de datos escalables que generen valor real.
Esta es una lista de las principales herramientas y tecnologías que utilizo en mis proyectos:
| Categoría | Habilidades y Herramientas |
|---|---|
| Lenguajes | Python (Avanzado), SQL |
| Data Science/ML | Pandas, NumPy, Scikit-learn, Langchain, Langgraph, Google ADK |
| Cloud & DevOps | AWS (EC2, S3, Lambda, SageMaker), Docker, Git/GitHub |
| Bases de Datos | PostgreSQL, SQL Server, SQLite |
| Visualización | Matplotlib, Seaborn, Plotly, Power BI |
Aquí puedes encontrar algunos de mis proyectos más relevantes donde aplico Machine Learning y análisis de datos:
-
Warehouse Analytics Dashboard with AI Agents: Panel de análisis integral de gestión de almacén construido con Plotly Dash, mejorado con agentes de IA especializados impulsados por Google Gemini. Este proyecto proporciona insights (conocimientos) inteligentes sobre los niveles de servicio al cliente, la previsión de la demanda de materiales y la gestión de inventario.
-
Optimización de Producción con programación lineal usando AWS, Python, Flask, Gurobi y Matplotlib:Proporciona una experiencia práctica en el uso de AWS Management Console y AWS Command Line Interface (CLI), con servicios de Cloud Computing como AWS EC2, S3 y otros servicios asociados como VPC, IAM. Combinando estos con una implmentación de una aplicación web usando Python con Python SDK para AWS, Gurobi, Matplotlib y Flask para introducir datos, resolver y acceder a los resultados de un modelo de optimización matemática de programación lineal basado en un caso de estudio real.
- Ruteo vehicular y manejo de inventario en una entidad comercializadora de combustibles mediante programación matemática: Tiene como objetivo optimizar la planificación de la de combustibles por etapas en una situación dada en una entidad comercializadora de combustibles de Santiago de Cuba, maximizando en cada etapa el valor del indicador tráfico de mercancías (un ratio que al ser maximizado permite maximizar la cantidad de mercancía distribuida mientras se minimiza la distancia recorrida) mientras se cumplen restricciones impuestas por el entorno en el que se realiza la distribución.
Me encantaría conectar y discutir proyectos de Data Science, Machine Learning y tecnología.
- 🌐 Portafolio Web: jfrometa88.github.io (¡Aquí puedes ver más proyectos!)
- 👔 LinkedIn: Jorge Israel Frometa Moya
- ✉️ Email: Puedes contactarme directamente a través de mi perfil de LinkedIn.