Trabajo en el departamento de distribución de Pull&Bear, en proyectos de datos e inteligencia artificial.
Máster interuniversitario de 60 ECTS que imparten la Universidade da Coruña y la Universidade de Santiago de Compostela junto con el Centro de Supercomputación de Galicia. Las prácticas se hacen sobre Finisterrae, el supercomputador del CESGA.
Desarrollé SGAR, una aplicación para una farmacia que automatiza la gestión de recetas electrónicas. Hasta entonces el proceso era manual: descargar dos documentos por paciente del portal público de receta electrónica y cotejarlos a mano contra una hoja de cálculo.
Hice de enlace entre Inditex Tech y el entorno universitario: recibí formación por parte de Inditex y busqué eventos y workshops en los que la empresa pudiera participar.
Investigación en selección de características eficiente. ReliefF captura interacciones entre variables, pero su coste crece con el cuadrado del número de instancias, lo que lo vuelve inviable en conjuntos grandes.
Prácticas en el área de inteligencia artificial, dentro de un proyecto de validación de expedientes del sector asegurador: comprobar si una imagen y la descripción que la acompaña son coherentes entre sí.
Grado en Ciencia e Ingeniería de Datos en la Universidade da Coruña. El Trabajo Fin de Grado, sobre optimización computacional de ReliefF, se calificó con 10 y Matrícula de Honor.
Graduado en Ciencia e Ingeniería de Datos por la Universidade da Coruña. Trabajo como Data & AI Engineer en el departamento de distribución de Pull&Bear y curso el Máster en Computación de Altas Prestaciones de la UDC, la USC y el CESGA.
Me muevo por todo el ciclo del dato: procesos ETL y modelado en SQL, análisis y visualización para que los datos se puedan leer y se pueda decidir con ellos, entrenamiento y puesta en producción de modelos (Python, PyTorch, Spark, Docker, cloud) y trabajo de rendimiento (C/C++, CUDA, MPI, programación paralela y optimización de código).
Búsqueda visual de prendas sobre un catálogo de 27.000 productos: a partir de una foto devuelve los artículos más parecidos. Detección con YOLOv8, un ensemble de embeddings SigLIP-384 y DINOv2, búsqueda con FAISS y API en FastAPI. Primer premio a la Mejor IA Open Source y segundo premio del Reto Inditex-Tech en HackUDC 2026.
Portal web de predicción de estructuras proteicas con AlphaFold2 sin necesidad de conocimientos de HPC: se envía la secuencia y se obtiene la estructura en 3D, con mapas PAE y coloreada por confianza pLDDT. Sistema de cuatro agentes sobre Gemini 2.5 Flash, desplegado en Cloud Run. Segundo premio del GDG Challenge, Impacthon 2026.
Trabajo Fin de Grado, calificado con 10 y Matrícula de Honor. Búsqueda aproximada de vecinos y prototipado para que ReliefF escale a millones de instancias sin perder calidad de selección.
Clasificación de imágenes de CCTV portuario para detectar la presencia de barcos y el estado del atraque. CNN y ResNet18 con validación cruzada K-Fold estratificada, entrenado sobre imágenes reales de puerto.
Simulador de caché L1 (LRU, asociativa por conjuntos) para analizar el comportamiento de kernels de multiplicación de matrices y ver, fallo a fallo, el efecto de las estrategias de tiling.
El resto de proyectos está en GitHub.
