Victor Cordero

Hola, me llamo Victor

Data scientist con 7 años de experiencia.

Abril 2021 – Actualmente Data Scientist en Bosonit  

Apoyo en el proceso de descarbonización ESG de las hipotecas del banco Santander España con foco en los certificados CEE mediante proyecciones y análisis de datos. 

o Tecnologías: Python, PySpark, SparkMLlib, PowerBI, Github 

 Desarrollo del framework analítico para la prevención de blanqueo de dinero (AML) en el equipo de Quants del Banco Santander (Santander Global Tech). Implementación de modelos de machine learning para la detección del fraude mediante: 

o Detección de anomalías con PCA y técnicas de Deep Learning como Autoencoders (Keras y Tensorflow). 

o Agrupación y comparación de secuencias utilizando embeddings (Word2vec Gensim). 

o Modelos de clasificación supervisada usando técnicas de árbol como XGboost 

o Clusterings y segmentaciones con HDBSCAN, DBSCAN y KMEANS. 

o Graph Analytics mediante técnicas de grafos como PageRank o Dijkstra y visualizaciones interactivas (networkx y pyVis). 

o Visualizaciones con Microsoft PowerBI.  Desarrollo e investigación en PoC's para diferentes sectores: 

o Análisis y visualización de tendencias en tiempo real de noticias en Twitter con Spark Streaming y Streamlit. 

o Generación de texto con BERT, BETO, BLOOM utilizando Huggingface. 

o Resúmenes de noticias con GPT-3 usando la propia librería de openAI. 

o Proyecto ESG de Sostenibilidad para BBVA CIB con Selenium y servicios de AWS (Textract, Lambda, ECR, ...).  Extracción de información de documentos con modelos de OCR, embeddings y ChatGPT. 

o Desarrollo del core de la plataforma de IoT de EllioT Cloud: Python, FastAPI, AsyncIO, Redis, Gitlab 

o Análisis y desarrollo de herramienta para Information Extraction: ChromaDB, LangChain, Dolly, Vicuna

 Septiembre 2017 – Abril 2021 Ingeniero Software/Data Scientist en Telefónica I+D 

 Creación de gramáticas con lark-parser y uso de CLIPS como motor de reglas. 

 Dashboards y gráficos con Plotly, Dash o matplotlib. 

 Técnicas de reducción de la dimensionalidad como PCA, T-SNE y UMAP.

  Interpretación y creación de clusters mediante K-MEANS, DBSCAN y Hierarchical Clustering. 

 Modelos de clasificación como Random Forest, Logistic Regression o K-Neighbors. 

 Modelos gráficos como Hidden Markov Model. 

 Agrupación de series temporales utilizando 1d-SAX y Dynamic Time Warping (DTW). 

 Alineamiento de secuencias con algoritmos como Needleman-Wunsch. 

 Uso de librerías para machine learning como numpy, scipy, scikit-learn, pandas y statsmodels. 

 Creación de librerías, scripts de automatización y de contenedores Docker para el despliegue de librerías y de modelos junto con Jenkins y Artifactory. 

 Implementación de APIs REST utilizando swagger (Open API) y aiohttp. 

 Mantenibilidad del código con programación orientada a objetos (POO) y test unitarios. 

o Tecnologías: Linux, Python 3, Asyncio, Docker, Git, Github, Jira. 

Junio 2017 – Agosto 2017 Data Analyst en Indizen - Technology & Business Confluence

  Apoyo en la extracción de conocimiento para el área Data Insights de BBVA. 

o Tecnologías: R, SQL, Hive, Impala, Oozie, Excel, SVN. 

Septiembre 2016 – Mayo 2017 Software Engineer en Indizen - Technology & Business Confluence 

 Análisis, y desarrollo del módulo financiero para una importante empresa del sector energético. 

o Tecnologías: Java 8, Javascript, JQuery , Spring MVC, Thymeleaf, Apache Tomcat, Oracle DB, Maven, Nexus, SonarQube, Git, Gitlab, Weblogic, Jenkins, Trello. 

Septiembre 2015 – Agosto 2016 Solutions Assistant en Everis 

 Mantenimiento de la aplicación del Registro de Aguas Electrónico en el MAGRAMA. 

 Evolutivos para la sede electrónica del MAGRAMA. 

 Integración de firma electrónica en la arquitectura de la Confederación del Duero. 

o Tecnologías: Java 6, Javascript, JQuery, Hibernate, JSP, JSF, SOAP, Apache Tomcat, Oracle DB, SVN, Jira. 

Abril 2014 – Agosto 2015 Investigador en grupo Alarcos UCLM 

 Se desarrolló una herramienta que permite identificar fragmentos de código fuente que causan picos de consumo durante su ejecución. En esta herramienta se han implementado técnicas de análisis estático y dinámico, así como de instrumentación de código fuente. Del mismo modo, se ha trabajado con medidores de consumo eléctrico que permiten realizar estimaciones de consumo del software y su posterior análisis para mejorar su eficiencia desde el punto de vista energético, contribuyendo así a la "greenability" del mismo. o Tecnologías: Java 7, JUnit, JSwing, MySQL, JFreeChart, ASM (Bytecode Instrumentation), Colibrí (Formal Concept Analysis). 

Noviembre 2012 – Febrero 2013 Investigador en grupo Alarcos UCLM  Colaborador en proyectos relacionados con Ingeniería del Software.

Ingeniero Superior en informática