◎ Colaboración internacional · Datos, Machine Learning e IA
Soy Jean Michael, ingeniero de datos y de Machine Learning. Llevo más de diez años trabajando con datos y me gusta investigar problemas, probar ideas y entender cómo funcionan en la práctica.
Este blog es un espacio para compartir parte de mis trabajos y proyectos en áreas como la ingeniería de datos, la clasificación de imágenes, la visión artificial y la IA generativa. Aquí cuento cómo desarrollo cada idea, las decisiones que tomo y lo que aprendo de los resultados, incluso cuando me llevan a replantear el camino.
Una selección de trabajos en IA generativa, visión computacional, ingeniería de datos y sistemas de geoinformación.
Desarrollé un proyecto de localización de centros de distribución y asignación de demanda con capacidad limitada, utilizando datos reales de Olist e IBGE. Integro previsión de demanda, modelos MILP y heurísticas para comparar costes, cobertura y escenarios. En el blog comparto los algoritmos, los experimentos y lo que podemos aprender de sus resultados.
Agente de IA y data lake para el sector eléctrico. Responsable del agente, los datos y la infraestructura AWS en RioFlex/FlexIA, finalista del Hackathon ONS + UFRJ/COPPE. RAG, búsqueda híbrida, enrutamiento Nemotron/Claude y consultas SQL con guardrails.
Plugin QGIS para georreferenciar fotografías aéreas históricas con RootSIFT, FLANN y RANSAC. Colaboré como tech lead y revisor de código, realizando ajustes y estandarizaciones según SOLID y Clean Code. También ajusté el pipeline y mejoré el procesamiento con múltiples hilos.
Sistema de solicitudes de geoinformación con aprobación en cinco niveles, auditoría y selección de hojas en un mapa. Fui tech lead y desarrollador full stack, desde los requisitos y las decisiones técnicas hasta el desarrollo del backend y del frontend, la documentación y las revisiones de diseño técnico.
Lenguajes, librerías, herramientas SIG y tecnologías que uso en proyectos reales.
Ingeniería de datos, Machine Learning, IA generativa y sistemas geoespaciales: desde la preparación de datos hasta la evaluación e integración de modelos.
Contribución a la clasificación de vegetación e hidrografía con Random Forest y XGBoost, ingeniería de atributos espectrales, texturales y temporales y validación cruzada espacial. Experiencia en fine-tuning y pipelines de superresolución para teledetección.
Agentes con herramientas, recuperación documental con RAG, búsqueda híbrida y enrutamiento de modelos. En FlexIA, integración de datos oficiales, respuestas con fuentes, evaluación con un conjunto de referencia y guardrails para consultas SQL de solo lectura.
Diseño y operación de pipelines ETL en Python, Java y SQL. Modelado relacional, optimización de consultas e indexación espacial en PostgreSQL/PostGIS. Arquitectura raw/staging/producción con gobernanza y trazabilidad completas.
Análisis territorial, producción cartográfica y validación topológica con QGIS, Google Earth Engine y FME Safe. Desarrollo de plugins PyQGIS e integración de fuentes heterogéneas con GDAL, PostGIS y GeoPandas.
APIs REST con FastAPI y Spring Boot, orquestación de contenedores con Docker y Kubernetes, automatización de flujos con n8n. Sistemas diseñados para mantenibilidad, escalabilidad e integridad operativa.
Más de 10 años construyendo plataformas de datos en producción, sistemas geoespaciales y herramientas de análisis territorial en entornos exigentes.
Ingeniero de Datos y Analista de Datos · consultor freelancer
Consultoría y análisis para traducir objetivos operativos en variables, restricciones y métricas. Modelé una localización capacitada de centros de distribución para un cliente de otro sector, combinando MILP, heurísticas, matheurísticas y previsión de demanda. Reapliqué la metodología con datos públicos de e-commerce para documentar y validar el enfoque.
Exército Brasileiro ·
Desarrollo de pipelines Python/SQL, bases PostgreSQL/PostGIS y automatización cartográfica. Contribución a modelos de clasificación con Random Forest y XGBoost, validación cruzada espacial, fine-tuning y superresolución de imágenes. Desarrollo de plugins QGIS y liderazgo técnico en sistemas de geoinformación.
Engprat · Contrato · Río de Janeiro, híbrido
Diseño del esquema relacional en PostgreSQL/PostGIS desde cero para consolidar datos de campo de miles de inmuebles y residentes. Pipeline ETL con Python en capas raw/staging/producción, validaciones espaciales automatizadas (superposición de límites, coherencia de atributos), análisis de densidad territorial con neighborhood analysis y exposición de resultados vía API REST consumida por sistemas externos.
Exército Brasileiro
Diseño e implementación de flujos automatizados de validación con Python y PostgreSQL. Definición de reglas espaciales formales, controles sistémicos de consistencia topológica y mecanismos de log estructurado para cada etapa del proceso. El sistema permitió escalar la producción cartográfica manteniendo estándares técnicos verificables y reduciendo retrabajos.
COBE Engenharia e Geotecnia · Freelance · São Paulo
Procesamiento e integración de datos batimétricos de sensores para la Central Hidroeléctrica de Porto Primavera. Generación de Modelos Digitales de Elevación, cálculo de volumen por cota y análisis de flujo hídrico. Pipeline completo con Python, SQL y FME Safe para conversión, transformación y estandarización de datos espaciales heterogéneos.
Exército Brasileiro
Diseño lógico y físico de bases de datos PostgreSQL/PostGIS para datos geoespaciales complejos. Optimización de consultas espaciales mediante indexación GiST/SP-GiST. Desarrollo de procesos ETL con FME Safe y Python para integración de fuentes heterogéneas — archivos vectoriales, rasters, hojas de cálculo y servicios web geoespaciales.
Notas técnicas sobre automatización, gestión de datos, análisis geoespacial, desarrollo de sistemas y buenas prácticas de ingeniería.
Qué construí y cómo se conectan los datos, los modelos y las decisiones.
Variables, restricciones y el ejemplo pequeño cuyo óptimo podemos demostrar.
Qué aprende el modelo y cómo validar sin confundir un marketplace con todo el mercado.
Cómo comparar políticas cuando la demanda futura aún no está determinada.
Disponible para oportunidades y colaboración internacional en ingeniería de datos, Machine Learning, IA aplicada y sistemas geoespaciales.