MaximoFN - Experience

Experiencia

2024-01/actualidad

Machine Learning Engineer - Freelance

Remote

Desarrollo de chatbot para HoReCa (hoteles, restaurantes y cafeterías), mediante el cual cocineros y camareros pueden hablar con el chatbot para hacer consultas sobre las recetas y las cartas.

Responsabilidades

Desarrollo de backend con chatbot
Desarrollo RAG
Implementación de agentes que obtienen la intención del usuario y ejecutan acciones
Desarrollo de componentes de React para la interfaz de usuario
Implementación de chatbot mediante comunicación hablada

Logros

Busquedas vectoriales customizables
Generación de prompts mediante Langchain mediante LangChain que con información de la pregunta del usuario e información de la empresa mediante variables

Tecnologías

Python
LangChain
PostgreSQL
PGVector
React
Kubernetes
Docker
GitHub Actions

2024-09/2024-12

AI tech lead

Bravent

Remote

AI Tech lead. Liderazgo técnico, supervisión de desarrollo y colaboración en la correcta gestión de proyectos. Propuesta de nuevas soluciones.

Responsabilidades

Liderazgo técnico.
Toma de decisiones técnicas: tecnologías apropiadas.
Propuesta de nuevas soluciones en el área/innovación.
Desarrollar SW con estándares establecidos, alta complejidad, plazos cortos.
Supervisión de desarrollo.
Colaboración en la correcta gestión de proyectos técnicos.
Evaluación de riesgos técnicos.
Ayudar en la resolución de problemas técnicos.
Comunicación clara y efectiva.
Mantenerse al día con las últimas tecnologías y tendencias en el campo.

Logros

Hacer ver que no hace falta usar Chat GPT para todo..

Tecnologías

Python
Pytorch
HuggingFace
Azure
Azure Machine Learning

2022-09/2024-09

Machine Learning Engineer

Sener

Tres Cantos, Madrid

Machine Learning Engineer, desarrollo de algoritmos de vision para vehículo autónomo y liderazgo en sistema de RAG para obtener información de documentación

Responsabilidades

Desarrollo del conjunto de algoritmos de visión para vehículo autónomo.
Liderazgo en el desarrollo de sistema de RAG para obtener información de documentación.

Logros

Al trabajar en un vehículo autónomo todo tiene que ir en un dispositivo embebido, que no es tan potente como un ordenador normal. Por lo que optimicé las redes neuronales con TensorRT, consiguiendo que el tiempo de inferencia y la memoria VRAM necesaria fuese mucho menor, asegurando el funcionamiento en tiempo real del vehículo autónomo.
Desarrollo de un dataset de imágenes sintéticas realistas para entrenar las redes para el vehículo autónomo, creando imágenes en diferentes condiciones ambientales, haciendo que las redes neuronales fuesen más robustas.
Implementación de scripts de arranque de todas las librerías y programas del dispositivo del vehículo autónomo. Antes solo sabía instalar todo una persona, ahora cualquiera puede arrancar el sistema.
Impulsar la promoción de una compañera
Mentorización de becarios y juniors

Tecnologías

Python
Pytorch
HuggingFace
TensorRT
Nvidia Jetson

2017-10/2022-07

Ingeniero de IA y electrónico

Arquimea

Leganés, Madrid

Desarrollo de IA, HW y FW.

Responsabilidades

Implementación de algoritmos de detección para UAV.
Desarrollo de piloto de algoritmo de geoposicionamiento sin GPS.
Liderazgo del desarrollo de HW y FW de UAV.

Logros

Con la implementación de algoritmos de detección para UAV, evitamos tener que comprar un dispositivo que hacía dicha detección, ahorrando un coste de 2000€ por unidad.
Cuando llegué el HW y FW de cada uno de los UAVs y estaciones de tierra era diferente, lo que hacía que hubiese varios equipos desarrollando la misma funcionalidad, de diferentes maneras. Unifiqué el HW de los UAVs y estaciones de tierra, lo que abarataba las fabricaciones de PCBs. Además permitió crear un FW de bajo nivel común, teniendo que cambiar solo la parte de alto nivel, evitando desarrollos duplicados.
En entornos de guerra electrónica, es común inhabilitar el GPS, lo que es letal para los UAVs, ya que no pueden geoposicionarse. Con el piloto de algoritmo de geoposicionamiento sin GPS, conseguimos tener una ventaja competitiva contra nuestros competidores.

Tecnologías

Python
Pytorch
YOLO
Altium
STM32
C

2014-05/2017-10

Ingeniero electrónico

Indra

Torrejón de Ardoz, Madrid

Desarrollo HW y FW.

Responsabilidades

Desarrollo FW de PCB de control de helicóptero autónomo.
Mantenimiento de HW de PCBs de helicóptero autónomo.
Desarrollo HW de PCB con sensores para un caza.

Logros

Nadie quería hacerse cargo del FW de la PCB de control de helicóptero autónomo, lo qye hacía que el proyecto avanzase muy lentamente. Me hice cargo del FW, por lo que el proyecto avanzó mucho más rápido.
Cuando llegué las pruebas de arranque de las PCBs se hacían a mano, ya que las diseñaban los ingenieros que las diseñaban y solo las probaban en la fase de diseño. Pero cuando el proyecto estaba en producción, cada vez que se fabricaban nuevas PCBs, sus pruebas se hacían muy lentas porque se tenían que hacer a mano. En las PCBs que desarrollé, implementé cableado de pruebas y FW de pruebas, de manera que el test de las PCBs se hacía automáticamente, haciendo que cuando el proyecto estaba en producción, las pruebas de las PCBs se podían hacer mucho más rápido y además las pudiese hacer más gente, porque no hacía falta personal con un cierto conocimiento mínimo

Tecnologías

Altium
C
Eclipse

2013-01/2014-05

Becario

Indra

Torrejón de Ardoz, Madrid

Ayuda a project manager en gestión de proyectos. Desarrollo HW y FW.

Responsabilidades

Ayuda a project manager en gestión de proyectos.
Diseño de pruebas para arranque de PCBs de comunicaciones para controladores aéreos.
Diseño HW y FW

Logros

Diseño y documentación de pruebas de arranque de PCBs de comunicaciones para controladores aéreos.
Reparación de PCBs para controladores de tráfico aéreo.

Tecnologías

Altium
C
MPLAB

Seguir leyendo

Crear entornos virtuales con uv

Aprende a crear entornos virtuales con uv, un gestor de paquetes y entornos para Python escrito en Rust, lo que hace que vaya rapidísimo. Si has tenido problemas con los tiempos de espera usando conda, o quieres una alternativa más rápida y fácil a venv, entra y mira cómo usar uv.

Hacer una aplicación de IA en tiempo real con FastRTC

Si tienes problemas para hacer una aplicación de IA en tiempo real, FastRTC es una biblioteca que te puede ayudar. En este post te explico cómo usarla.

Generar vídeos con Wan2.1-T2V-14B e Inference Providers

¿Quieres tener tu propio Sora, pero que además genere buenos vídeos? En este post te explico cómo hacerlo con HuggingFace Inference Providers y Replicate.

Últimos posts -->

¿Has visto estos proyectos?

Horeca chatbot

Naviground

Subtify

Ver todos los proyectos -->

¿Quieres aplicar la IA en tu proyecto? Contactame!

¿Quieres mejorar con estos tips?

Memory profiler

Ver el uso de memoria de un script

DataLoader con pin_memory y num_workers

Aumentar el rendimiento de DataLoader con pin_memory y num_workers

py-smi

Librería de Python para obtener datos de la GPU igual que `nvidia-smi`

Últimos tips -->

Usa esto en local

Los espacios de Hugging Face nos permite ejecutar modelos con demos muy sencillas, pero ¿qué pasa si la demo se rompe? O si el usuario la elimina? Por ello he creado contenedores docker con algunos espacios interesantes, para poder usarlos de manera local, pase lo que pase. De hecho, es posible que si pinchas en alún botón de ver proyecto te lleve a un espacio que no funciona.