Data Scientist & AI Engineer Ciudad de México
Los datos tienen
mucho que contar.
Soy Hugo César Aguilar Reyna. Científico de datos e ingeniero de IA con trayectoria en datos y Business Intelligence para el sector financiero. Trabajo donde el análisis, los modelos y la interfaz se convierten en una herramienta para decidir.
Red interactiva: recorre los nodos con las flechas del teclado y pulsa Enter para fijar el resaltado de sus conexiones.
Un problema.
Distintas formas de resolverlo.
Cinco áreas de trabajo, de la exploración de datos a los sistemas de decisión. Cada área reúne sus proyectos y cada proyecto se explica y se usa aquí mismo, sin salir del portafolio. Hoy los casos están planificados.
Filtrar por área
Ilustraciones conceptuales: explican la idea de cada área, no datos reales ni resultados de un proyecto.
02 / Contacto
Hablemos de tu
próximo desafío.
Estoy disponible para oportunidades remotas o híbridas en ciencia de datos, ingeniería de IA y visualización de datos.
Correo
aguilar.hugo55@gmail.comEste sitio no tiene formulario ni envía datos a ningún servidor: el contacto ocurre directamente por correo o LinkedIn.
01 / Sobre mí
Científico de datos
e ingeniero de IA
Hola, soy Hugo. Diseño y construyo soluciones que conectan datos, modelos y aplicaciones: convierto información dispersa en herramientas que permiten decidir.
Red interactiva: recorre los nodos con las flechas del teclado y pulsa Enter para fijar el resaltado de sus conexiones.
02 / Mi recorrido
Del rigor financiero a la construcción de sistemas con IA.
Mi trayectoria se ha desarrollado en el sector financiero, trabajando con procesos de datos, reglas de negocio y reportes donde la precisión y la trazabilidad forman parte del trabajo diario.
Esa experiencia define mi manera de abordar un proyecto: entender qué representa cada dato, comprobar las transformaciones y poder explicar cómo se obtuvo un resultado.
Sobre esa base he ampliado mi trabajo hacia la ciencia de datos y la ingeniería de IA, incorporando modelos predictivos, visualización interactiva y aplicaciones con modelos de lenguaje.
Mi campo de trabajo abarca el recorrido completo: preparar los datos, investigar patrones, evaluar métodos y construir la aplicación que permite explorar y utilizar los resultados.
03 / Cómo trabajo
Cada decisión técnica responde a un problema.
Empiezo por entender qué necesita resolver la herramienta y cómo se utilizarán sus resultados. A partir de ahí, desarrollo y reviso el proyecto en cinco etapas que se retroalimentan.
-
01
Definir el problema
Precisar la pregunta, las restricciones y los criterios con los que se evaluará la solución.
-
02
Examinar los datos
Revisar su procedencia, cobertura y calidad; identificar qué permiten concluir y qué información falta.
-
03
Construir una referencia
Establecer una solución inicial y comparar métodos según el problema, la evidencia y la complejidad necesaria.
-
04
Evaluar y contrastar
Analizar errores, comprobar resultados y documentar las condiciones en las que la solución funciona.
-
05
Integrar y comunicar
Llevar el análisis a una aplicación con resultados comprensibles, interacciones coherentes y cálculos verificables.
Esquema conceptual del proceso · no representa datos del caso CNBV
Herramientas y capacidades.
Ingeniería de datos y Business Intelligence
SAS · Macros SAS · SQL · Python · ETL · Power BI · SAS Web Report
Desarrollo de pipelines, integración de fuentes, modelado de reglas de negocio, automatización de reportes regulatorios y optimización de procesos de cierre. Modelado multidimensional, documentación de transformaciones y trazabilidad de resultados. Migración de procesos SAS a Python.
Procesamiento masivo y almacenamiento analítico
PySpark · Spark · Snowflake · HDFS · MapReduce · Kafka · Impala
Formación y práctica técnica en procesamiento distribuido, arquitectura de datos y almacenamiento analítico.
Ciencia de datos, Machine Learning y Deep Learning
Python · Pandas · Scikit-learn · XGBoost · R
Análisis exploratorio, preparación de variables, clasificación, regresión, árboles de decisión, métodos de ensamble, clustering y reducción de dimensionalidad. Formación en redes neuronales y redes neuronales profundas. Comparación de modelos, ajuste de hiperparámetros y evaluación de errores y generalización.
Bases de datos
SQL · SQL Server · Oracle · MongoDB · MongoDB Atlas · Neo4j · Cypher
Integración y consulta de fuentes relacionales, modelado de documentos y grafos, consultas Cypher y conexión de Neo4j con aplicaciones Python.
Aplicaciones, servicios y contenedores
FastAPI · Pydantic · React · Git · Docker · Docker Compose
Desarrollo e integración de APIs e interfaces, contratos de datos, validación y pruebas de integración. Contenedorización de servicios y ejecución conjunta de backend, frontend y proxy inverso en entornos locales reproducibles.
Visualización e interfaces
Power BI · D3.js · React · Plotly · Streamlit · jQuery
Construcción de tableros, visualizaciones interactivas e interfaces para explorar información y comunicar resultados.
IA generativa, RAG y agentes
LLMs mediante APIs · LangChain · LangGraph · LangSmith · MCP
Preparación y fragmentación de documentos, embeddings, recuperación de contexto y respuestas con fuentes. Diseño de instrucciones, integración de herramientas, flujos y agentes con estado, trazabilidad y evaluación. Validación de entradas y salidas y diagnóstico de errores de conexión, autenticación e interoperabilidad.
04 / Formación
La base académica de mi práctica.
- Máster en Análisis y Visualización de Datos Masivos Octubre de 2024 – marzo de 2026
- Licenciatura en Sistemas Computacionales Junio de 2018 – octubre de 2021
- Bachillerato tecnológico con carrera técnica en Informática Administrativa Febrero de 2011 – diciembre de 2013
Formación complementaria
Ciencia de datos e inteligencia artificial
- Continuing Education Certificate in Data Science MIU City University Miami
- Generative AI Using SAS SAS
- Modern Data Science with SAS Viya Workbench and Python SAS
- SAS Programming for R Users SAS
Arquitectura y procesamiento
- Ingeniería del Procesado Masivo de Datos UNIR México
- Arquitectura de Datos UNIR México
- Hands-On Essentials: Data Warehousing Workshop Snowflake
- Curso de Preparación para la Certificación AZ-900 Microsoft Azure UNIR México Curso de preparación · sin certificación oficial AZ-900
Grafos y bases de datos NoSQL
- Neo4j Certified Professional Neo4j
- Building Neo4j Applications with Python Neo4j
- Intermediate Cypher Queries Neo4j
- Graph Data Modeling Fundamentals Neo4j
- Getting Started with MongoDB Atlas MongoDB
- Introduction MongoDB for Manufacturing MongoDB
- Introduction to MongoDB MongoDB
Visualización y Business Intelligence
- Análisis y Visualización de Datos UNIR México
- Business Intelligence Professional Certification, BIFPC™ CertiProf Vigencia hasta enero de 2028
Gestión
- Diplomado en Soft Skills y Habilidades Directivas UNIR México
- Scrum Master Professional Certificate, SMPC® CertiProf Credencial vencida en mayo de 2024
05 / Contacto
Hablemos de lo que estás construyendo.
Si tu proyecto requiere conectar datos, modelos y una aplicación que permita utilizarlos, conversemos sobre el problema y su alcance.