GQ / lab logES / EN

Bitácora de laboratorio

Gaspar Quintana

Ciencia de datos, machine learning y automatización con IA. Cuento cada proyecto como un experimento: la pregunta, el método, el resultado y lo que aprendí. Si un resultado no se sostiene, también queda en la bitácora.

status: disponible para puestos de datos

entradas
17
corregidas
2
EXP-01 · 70.7% → 91.7%

Córdoba, Argentina

§ 01

Experimentos

Seis entradas elegidas. Cada una abre con la pregunta que quería responder.

EXP-01visión por computadora

Leer el uso del suelo desde el espacio

pregunta
¿Puede una CNN entrenada desde cero clasificar imágenes Sentinel-2 de 64×64 en 10 tipos de cobertura del suelo?
aprendido
Más datos le ganó a cualquier cambio de arquitectura: +7,3 puntos al pasar de 500 a 1.000 imágenes por clase.
resultado70,7%91,7%

accuracy en test · 91,3% en 17.000 imágenes nunca vistas

Abrir entrada →

EXP-02aprendizaje por refuerzo

Un agente que cruza un campo minado

pregunta
¿Puede un agente DQN aprender un campo minado de 7×7 con túneles, arrancando desde cualquier casilla y sin mapa?
aprendido
Una recompensa de −1 por paso le enseñó el camino seguro más corto: de 14,7 a 5,4 pasos.
resultado7,1%100%

éxito en 1.000 juegos · jugador al azar vs. DQN entrenado · 0 bombas

Abrir entrada →

EXP-03deep learning

¿Entiende mi letra?

pregunta
¿Un modelo con 99% en MNIST sigue funcionando con dígitos que dibujé yo, fuera del dataset?
aprendido
Con solo 200 de los 784 píxeles mantiene 97,4%: la mayoría de los píxeles es ruido.
resultado99,41% · 10/10

accuracy en test (IC 95%: 99,24–99,54%) · mis dígitos reconocidos

Abrir entrada →

EXP-04automatización con IA

Un bot que sobrevive a sus fuentes

pregunta
¿Puede un bot de Telegram seguir recomendando eventos cuando se rompen los sitios de donde los saca?
aprendido
Diseñar para degradarse bien: plan B, registrar cada falla y avisar a una persona.
resultado17 fuentes · 4 tipos de falla

n8n · agente con Gemini · voz con Groq · logs, alertas y /metrics

Abrir entrada →

EXP-05BI · pronóstico

El beneficio de la semana que viene, sin trampas

pregunta
¿Puede un negocio chico pronosticar el beneficio de la semana siguiente con 4 años de planillas desordenadas?
aprendido
Revisar qué es realmente el objetivo: el beneficio "futuro" era el de la misma semana.
resultadoR² 0,970,37

R² sin la fuga (datos sintéticos) · 33% menos error que lo ingenuo

Abrir entrada →

EXP-06proyecto para cliente

Una barbería que pasa a online

pregunta
¿Puede una barbería dejar WhatsApp y AgendaPro sin perder a sus clientes?
aprendido
Limpiar los datos antes de automatizar: 1 de cada 6 registros era un duplicado.
resultado665553

registros → clientes reales · 112 duplicados unidos · 5 automatizaciones

Abrir entrada →

TODAS LAS ENTRADAS

El resto del registro: fundamentos, estadística, BI y los primeros análisis.

  1. 2026Predicción de enfermedad cardíaca con ensembles y validación cruzadaUna regresión logística con regularización L1 logró la mejor accuracy (83,8% en validación cruzada de 20 folds), por encima de todos los ensembles. El mejor ensemble fue el VotingClassifier (82,2%), seguido de Extra Trees (79,5%) y Random Forest (77,1%).ML ↗
  2. 2026Inferencia estadística con Chi cuadrado, ANOVA e información mutuaTener dependientes (χ² = 189,1) y pareja (χ² = 158,7) se asocian con la fuga de clientes, y el género no (p = 0,49). ANOVA se aplicó solo a la única variable que cumplía los supuestos.Estadística ↗
  3. 2026Fundamentos de visión por computadora con OpenCVUn pipeline propio de suavizado y detección de bordes, que es la base del proyecto EuroSAT con CNN.Visión ↗
  4. 2026Buscador de periféricos en lenguaje naturalUna API funcional que responde consultas libres sobre el catálogo completo de periféricos.NLP ↗
  5. 2025Fundamentos de redes neuronales, del perceptrón a una DNN con Keras TunerLa DNN de regresión logró un RMSE de test de 89,8 (validación cruzada de 5 folds, 92,6 ± 40,7), y la variabilidad entre folds queda documentada como límite del modelo.Deep learning ↗
  6. 2025Diagnóstico de cáncer de mama con DNN, SVM y PCALa SVM con regularización L2 logró 97,6% de accuracy en validación cruzada y 94,7% en test (F1 0,947), la DNN 94,5% en test, y con 3 componentes principales se conserva el 81,9% de la varianza.Deep learning ↗
  7. 2025Tablero de ventas en SQL Server con pronóstico mensualUn tablero que se regenera con un solo procedimiento y un pronóstico mensual a pedido.SQL ↗
  8. 2024Titanic, ingeniería de variables y Random ForestSin fuga de datos, el Random Forest logra 81,6% en el hold-out (84,8% en validación cruzada), 3,9 puntos por encima de la regla "sobreviven las mujeres". El 98,9% del notebook original venía de calcular tasas de supervivencia por familia y ticket con todo el dataset.ML ↗
  9. 2024Mercado inmobiliario de Buenos Aires, análisis exploratorioSobre las 3 tipologías más publicadas de Capital Federal (91.485 avisos), la cantidad de ambientes y de dormitorios son los mejores predictores individuales del precio, con correlación moderada.Análisis ↗
  10. 2024Presión arterial por edad, limpieza y análisisLa presión alta pasa de cerca de la mitad de los casos entre los 18 y 29 años a casi la totalidad después de los 70, con el salto más marcado entre los 40 y los 59.Análisis ↗
  11. 2024Dashboards de Power BI para soporte de TI y ventasPaneles de desempeño por agente, satisfacción y KPIs de ventas, con filtros por año, tipo y agente.BI ↗

§ 03

En curso

EXP-07 · tesis

Rangos de valoración sin sesgo

Quien valora empresas carga a mano, en una planilla, los supuestos a 5 años: crecimiento de ventas, márgenes y flujo de caja. El veredicto depende casi entero de esos números, y la evidencia dice que cuando uno proyecta a mano tiende a ser optimista.

Estoy construyendo un modelo que, para cada supuesto, da un rango de referencia calibrado según lo que lograron miles de empresas comparables. Usa reportes de la SEC tal como estaban disponibles en cada fecha, modelos de cuantiles con calibración conformal y validación walk-forward, y se compara contra referencias de la literatura: random walk, reversión a la media y tasa base.

Resultados preliminares

Cuánto mejora cada modelo a la tasa baseReducción de la pérdida pinball por horizonte (%). Punto lleno: significativo al 10%.
0%3%6%9%12%1 año2 años3 años4 años5 añosLightGBMTabPFNRed propia
Caso Microsoft: crecimiento anual de ventas a 5 añosRango de cada modelo frente a un supuesto manual del 16% anual. Barra: 50% central; línea: 80%.
-10%0%10%20%30%supuesto manual: 16%Random walkReversión a la mediaTasa baseRegla de la planillaRed propiaLightGBMTabPFN
Modelos de MLReferencias simples

§ 04

Registro

Antes de los datos vendí autos y casas y trabajé en un diario. Por eso armo herramientas pensando en quien las va a usar.

  1. sep. 2026 – hoy

    Scalo · sistemas y automatización para pymes

    Automatización con IA y CRM

    Diseño y mantengo automatizaciones en GoHighLevel para 9 negocios de salud, estética, educación financiera y servicios: bots de WhatsApp que clasifican consultas, campañas segmentadas con seguimiento, agendas y recordatorios de clínicas, deduplicación y migración de contactos, integraciones con sistemas externos y tareas programadas en Vercel. Cada sistema queda documentado con instructivos en video.

  2. 2025 – hoy

    Agua Canta · salón de eventos

    Stock, inventario y automatización

    Bot de Telegram hecho con Claude Code que registra ingresos y egresos en tiempo real. El cierre post-evento bajó de 3 horas a menos de 20 minutos, con más de 500 ítems trazados.

  3. 2024 – 2025

    Deloto · Esencia Natural

    Analista de datos y automatización

    Pipeline en n8n que redujo el armado del informe semanal de 4 horas a 30 minutos, dashboards de Power BI y consultas SQL para validar datos.

  4. 2023 – 2024

    Transformar · casas prefabricadas

    Asesor comercial

    Venta de punta a punta de un producto de alto ticket, con cotizaciones a medida.

  5. 2022 – 2023

    Alpha Motors

    Asesor y líder de ventas

    Más de 40 consultas por semana y documentación de cada operación sin errores.

  6. 2020 – 2022

    Galpón Gráfico MX · El Milenio · La Dupla

    Contenido, periodismo y producción

    Notas para diario, radio y web, edición de video y control de calidad en producción.

FORMACIÓN

  • Tecnicatura en Inteligencia Artificial y Ciencia de Datos

    Universidad Siglo 21 · Colegio Universitario IES

    24 de 24 materias aprobadas · tesis en curso

  • AWS Certified Cloud Practitioner

    Amazon Web Services

    2025

  • Tecnología e informática · matemática y ciencias de la computación

    UTN · FaMAF (UNC)

    cursos completados

Español nativo · inglés avanzado (B2/C1) · italiano y portugués básico

INSTRUMENTAL

modelado
Python · scikit-learn · TensorFlow/Keras · PyTorch · LightGBM · Stable-Baselines3
datos
pandas · NumPy · SQL Server · PostgreSQL · Power BI · Excel
automatización
n8n · Claude Code · FastAPI · bots de Telegram · agentes con LLM
herramientas
Git · Docker · Google Colab · AWS

§ 05

¿Hablamos?

Busco un puesto de analista o científico de datos, full time. Estoy en Unquillo, con movilidad a Córdoba Capital, y disponible para empezar ya.