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.
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.
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.
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.
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.
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.
registros → clientes reales · 112 duplicados unidos · 5 automatizaciones
Abrir entrada →
TODAS LAS ENTRADAS
El resto del registro: fundamentos, estadística, BI y los primeros análisis.
- 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 ↗
- 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 ↗
- 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 ↗
- 2026Buscador de periféricos en lenguaje naturalUna API funcional que responde consultas libres sobre el catálogo completo de periféricos.NLP ↗
- 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 ↗
- 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 ↗
- 2025Tablero de ventas en SQL Server con pronóstico mensualUn tablero que se regenera con un solo procedimiento y un pronóstico mensual a pedido.SQL ↗
- 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 ↗
- 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 ↗
- 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 ↗
- 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 ↗
§ 02
Resultados corregidos
Dos resultados míos que no resistieron una segunda mirada. Los dejo a la vista a propósito: encontrar el error vale más que el número lindo.
RETRACTED
Supervivencia en el Titanic
qué estaba mal: Las tasas de supervivencia por familia y por ticket se calculaban con los resultados de los pasajeros de test. Sin la fuga, el modelo sigue ganándole por 3,9 puntos a la regla “sobreviven las mujeres”.
RETRACTED
Beneficio semanal de Deloto
qué estaba mal: El objetivo, llamado beneficio “futuro”, era en la práctica el de la misma semana, y una media móvil sin desplazar lo incluía. Rehecho para predecir la semana siguiente (sobre datos sintéticos).
§ 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
§ 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.
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.
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.
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.
2023 – 2024
Transformar · casas prefabricadas
Asesor comercial
Venta de punta a punta de un producto de alto ticket, con cotizaciones a medida.
2022 – 2023
Alpha Motors
Asesor y líder de ventas
Más de 40 consultas por semana y documentación de cada operación sin errores.
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.