Pablo Reyes Rxyxs

Español · English

Pablo Reyes

Científico de Datos · Universidad Mayor · Santiago, Chile

Este perfil reúne trabajo y proyectos propios ordenados por el tipo de problema que resuelven: pronosticar, detectar lo anómalo, anticipar fallas, medir causas, optimizar, gestionar riesgo, ordenar datos y trabajar con texto e imágenes. La idea es mostrar las distintas formas en que un científico de datos puede ayudar a una organización, en minería, energía, finanzas, retail o pensiones.

En todos sigo las mismas reglas: el código corre de principio a fin, las cifras salen de esa corrida, casi todos tienen tests y CI, y los resultados negativos se publican igual que los positivos.

Proyectos destacados

Cambiarse de fondo de pensiones en pánico _{datos reales · página} 24 años de valores cuota diarios, en UF. Cambiarse al fondo E en el piso de una caída resta 1,9 puntos de rentabilidad real al año; cambiarse antes logra el mismo Sharpe que una mezcla fija: no es acertar el momento, es tener menos renta variable. `duckdb` `counterfactual-analysis` `behavioral-finance`	Impacto causal en una flota minera _{real + simulado · página} ¿Funcionó el programa de mantenimiento, y en qué camiones? Con sensores reales de 60.000 camiones Scania, el DRLearner por defecto colapsa (r = −0,01); se aisló la causa y se recupera a 0,61–0,79. `causal-inference` `econml` `difference-in-differences`
Demanda retail como decisión de inventario _{datos reales · página} 3.000.888 filas de ventas. Un cuarto de la "demanda cero" eran locales que aún no abrían, y el modelo con mejor métrica deja quiebre de stock en 41% de los días-local. `demand-forecasting` `lightgbm` `quantile-regression`	Laboratorio de experimentación A/B _{Monte Carlo · página} Revisar un test A/B todos los días infla el falso positivo de 5% a 24,2%, y la regla bayesiana que se suele asumir "segura" casi no ayuda (20,5%). `ab-testing` `cuped` `sequential-testing`

Herramienta abierta

datoschile: datos públicos de Chile en una línea
Librería de Python para bajar la UF, el dólar, el cobre, los valores cuota de las AFP y la morosidad bancaria de la CMF, limpios y en un DataFrame. Corrige errores reales de las fuentes, como el dólar filtrado en la UF en 2014 o los tres formatos de los Excel de la CMF, y cada semana verifica que las fuentes no hayan cambiado.

import datoschile as dc

dc.indicadores.uf(desde=2020)
dc.pensiones.indice(fondos="A", desde=2008, real=True)
dc.cmf.morosidad(solo_sistema=True)

Experiencia

Control de combustible de una flota de buses · _{trabajo real, datos de ejemplo ficticios}
Cada uno de los 17 terminales llevaba el combustible en su propio Excel. Primero hice un script en Python que une las planillas, calcula los km por litro de cada bus contra su carga anterior y marca las que quedan fuera del rango de su modelo. Después, una app en AppSheet que reemplazó las planillas: el operador registra cargas, pistolas y estanques desde el celular, y la app calcula consumo por pistola, stock teórico y AdBlue. Al revisar el código corregí tres errores: fechas mal ordenadas entre meses, buses que quedaban sin rango por cómo estaba escrita la norma, y la primera carga de cada bus marcada por error.
python pandas appsheet excel data-cleaning

Proyectos por tipo de problema

34 proyectos en 9 tipos de problema; haz clic en una categoría para abrirla, o míralos todos en el portafolio.

1. Pronosticar lo que viene · 6 proyectos

Proyecto	Qué resuelve y qué encontró	Stack
Demanda retail (Favorita) _{datos reales · página}	Pronóstico evaluado como decisión de compra: los cuantiles solo convienen sobre una razón de costos ~3:1.	`lightgbm` `quantile-regression` `newsvendor`
Morosidad bancaria en Chile (CMF) _{datos reales · página}	Panel desde 128 Excel de la CMF. Solo ARIMA a 3 meses le gana al ingenuo; sumar desempleo, TPM e IMACEC lo empeora.	`time-series` `forecasting` `credit-risk`
Sistema Eléctrico Nacional, horario _simulado	Solar, eólica, demanda y costo marginal en 5 barras. Solar: WAPE 3,64% vs 26,95% del ingenuo; en eólica gana el ingenuo.	`lightgbm` `optuna` `time-series`
Sistema Eléctrico Nacional, en R _{simulado · página}	TBATS: MAPE 2,47% vs 6,54% del ingenuo estacional; la ventaja de ETS solo aparece con validación rolling.	`r` `arima` `garch`
Volatilidad del cobre _{datos reales · página}	14 años de precios reales de la LME: GARCH(1,1) tiene el mejor QLIKE y solo HAR-X, con el VIX y el dólar, lo empata. CatBoost ajustado en cada fold no le gana.	`garch` `catboost` `shap`
Volatilidad de alta frecuencia _{datos reales · página}	24,8 M de trades de Binance: a 30 s, la persistencia (RMSPE 4,58) le gana a LightGBM y a la red neuronal.	`high-frequency-trading` `lightgbm` `duckdb`

2. Detectar fraude y anomalías · 6 proyectos

Proyecto	Qué resuelve y qué encontró	Stack
Laboratorio de fraude y AML _{real + simulado · página}	El ROC-AUC hace parecer casi igual (0,931 vs 0,965) un modelo con PR-AUC 3,4× peor; AML por grafos sin etiquetas: ROC-AUC 0,893.	`fraud-detection` `aml` `xgboost`
16 detectores sobre fraude móvil _{simulado · página}	El baseline estadístico queda bajo el azar (ROC-AUC 0,383) y los ensambles no ganan. 266 tests.	`isolation-forest` `local-outlier-factor` `imbalanced-data`
Anomalías en compras públicas _{datos reales · página}	13,7 M de líneas de ChileCompra: las Compras Ágiles se acumulan bajo el tope y la acumulación se movió con la ley, pero casi no hay señal de compras partidas. Isolation Forest encuentra el 38,8% de las anomalías plantadas revisando el 5%.	`public-procurement` `bunching` `isolation-forest`
Motor de fraude políglota _{simulado · página}	C + Ruby + Python, cada capa perfilada: 31 ns por llamada en C; 4,68 ms p50 la solicitud completa.	`c` `ruby` `prometheus`
Anomalías en ticks de mercado (C++) _{datos reales}	EWMA y CUSUM validados contra el crash cripto de marzo 2020, a 7,26 M ticks/s.	`cpp` `cusum` `ewma`
Order flow en acciones de litio (C++) _{simulado · página}	Cero falsos positivos fuera del shock inyectado en 43.200 ventanas.	`cpp` `order-flow` `market-microstructure`

3. Anticipar fallas de equipos · 3 proyectos

Proyecto	Qué resuelve y qué encontró	Stack
Mantenimiento predictivo (SCANIA) _{datos reales · página}	23.550 camiones: −31% del costo oficial en test, pero el ahorro se agota si la visita cuesta el doble, porque el modelo exagera el riesgo.	`predictive-maintenance` `survival-analysis` `shap`
Falla desde señal continua _{real + simulado}	Rodamientos (NASA IMS) y señal sísmica (LANL): features espectrales con boosting le ganan 2,7× a una CNN.	`remaining-useful-life` `signal-processing` `fft`
Gemelo digital de molino SAG _{simulado · página}	Kalman estima la dureza del mineral con 79% menos error; energía a 24 h un 27,6% mejor que Holt-Winters.	`digital-twin` `kalman-filter` `lightgbm`

4. Medir causas y evaluar decisiones · 3 proyectos

Proyecto	Qué resuelve y qué encontró	Stack
Impacto causal en flota minera _{real + simulado · página}	Uplift y DiD escalonado; el ATT coincide con una implementación de referencia en un panel real.	`causal-inference` `econml` `uplift-modeling`
Experimentación A/B _{Monte Carlo · página}	Tamaño muestral, SRM, CUPED y comparaciones múltiples, con un arnés que verifica el error de cada regla.	`ab-testing` `cuped` `power-analysis`
Fondos de pensiones _{datos reales · página}	Una señal de régimen que "ganaba" 1,4–2,3% al año empata en Sharpe con una mezcla fija fuera de muestra. En UF, 2021–23 cayó 26%.	`duckdb` `counterfactual-analysis` `pensions`

5. Optimizar operaciones · 3 proyectos

Proyecto	Qué resuelve y qué encontró	Stack
Planta de flotación _{datos reales · página}	Planta real de hierro: el R² 0,83 de una partición al azar es -0,43 en orden temporal; solo con laboratorio reciente se le gana a la persistencia, y cuatro modelos recetan pH opuestos.	`soft-sensor` `walk-forward` `optimization`
Logística de última milla _{comunas reales, demanda simulada · página}	Ruteo multi-depósito con ventanas horarias sobre polígonos reales: 0 de 173 zonas sin atender.	`or-tools` `vrptw` `h3`
Churn como decisión de negocio _{simulado · página}	Umbral por valor de cliente: +US$75.847 contactando al 78,6%, vs +US$42.717 contactando a todos.	`mlflow` `fastapi` `docker`

6. Medir y gestionar riesgo financiero · 4 proyectos

Proyecto	Qué resuelve y qué encontró	Stack
Laboratorio de riesgo crediticio _{macro real, cartera simulada · página}	26 técnicas: scorecard R+Python+C a 270,6 M filas/s, PD para IFRS 9, auditoría de sesgo y ciclo shadow/canary/reentrenamiento.	`scorecard` `ifrs9` `mlops`
Riesgo sistémico en Chile _{datos reales · página}	Seis lenguajes sobre datos del Banco Central. El LSTM (51,0%) no le gana a la clase mayoritaria (53,6%).	`julia` `r` `cplusplus`
Laboratorio cuantitativo cripto _{datos reales · página}	Ocho técnicas. Las cinco estrategias pierden tras costos; la detección de spoofing sí funciona (precisión 0,92).	`quantitative-finance` `cointegration` `nlp`
Opciones asiáticas sobre cobre (C++) _{modelo de precios · página}	Monte Carlo C++20 bajo GBM, Schwartz y Heston: 9,64× con 16 hilos y un sesgo real corregido.	`cpp20` `monte-carlo` `heston-model`

7. Ordenar y preparar los datos · 3 proyectos

Proyecto	Qué resuelve y qué encontró	Stack
Toolkit de limpieza en 4 dominios _{datos reales · página}	El mismo toolkit sobre Banco Central, COCHILCO y Banco Mundial; detectó un dato corrupto en la fuente.	`data-quality` `pydantic` `pytest`
Data warehouse minero _{simulado · página}	dbt + DuckDB de staging a marts, 83 tests de calidad y vistas listas para modelar.	`dbt` `duckdb` `star-schema`
Lakehouse de e-commerce _{simulado · página}	Polars + DuckDB sobre Parquet; repetir el benchmark 7 veces cambió la conclusión.	`polars` `duckdb` `parquet`

8. Clasificar y estimar · 2 proyectos

Proyecto	Qué resuelve y qué encontró	Stack
Clasificación científica _{datos reales · página}	Bosón de Higgs (AMS 3,64 vs 3,8–3,9 de los ganadores) y exoplanetas Kepler (79,3% vs 49,8%).	`gradient-boosting` `pytorch` `astronomy`
Ley y fragmentación (.NET) _{simulado · página}	ML.NET + ONNX en app de escritorio: P80 con R² 0,957.	`csharp` `ml-net` `onnx`

9. Texto, lenguaje e imágenes · 4 proyectos

Proyecto	Qué resuelve y qué encontró	Stack
RAG de seguridad minera _{normativa real · página}	Búsqueda híbrida sobre el DS 132; el re-ranking sube el MRR de 0,920 a 0,981.	`rag` `hybrid-search` `cross-encoder`
Agente de operaciones mineras _{simulado · página}	Un LLM que responde llamando herramientas (SQL, scoring, anomalías) en vez de inventar números.	`llm-agent` `tool-calling` `duckdb`
Modelo de lenguaje local para industria _{simulado · página}	Inferencia sin internet, guardrails y QLoRA; el modelo base inventa argumentos en 94 de 100 prompts.	`llama-cpp` `qlora` `guardrails`
YOLOv8 en Raspberry Pi (tesis) _{datos reales (COCO) · página}	68% menos parámetros y ~10× más rápido en Raspberry Pi, a cambio de mAP50 0,175 vs 0,212.	`yolov8` `computer-vision` `edge-computing`