Ricardo Jara Blanco
Científico de Datos - Desarrollador Full Stack
Científico de Datos - Desarrollador Full Stack
Científico de Datos e Ingeniero en Tecnologías de la Información, con experiencia en machine learning, visión por computador y desarrollo fullstack. He diseñado soluciones desde la validación de identidades hasta la automatización de procesos en salud, aplicando Python, SQL y PyTorch, buscando generar innovación, eficiencia y valor en distintos sectores.
Septiembre 2025 - Octubre 2025
Participación en la mantención y mejora de una plataforma de auditorías energéticas, corrigiendo errores heredados y optimizando su funcionamiento. Encargado del desarrollo y gestión de formularios dinámicos adaptados a distintas industrias, generación de estadísticas a partir de las respuestas de los usuarios y recomendaciones automáticas basadas en sus resultados. Implementación de autenticación mediante tokens JWT y mejora general de la estabilidad del sistema.
Agosto 2025 - Septiembre 2025
Diseño y desarrollo de una herramienta web para la reserva de laboratorios y gestión de inventario. El sistema incluye autenticación mediante tokens JWT, distintos roles de usuario, manejo de solicitudes en tiempo real y generación de estadísticas sobre el uso de materiales y recursos.
Agosto 2024 - Enero 2025
Desarrollé modelos propios de reconstrucción y comparación facial en cédulas de baja calidad (blanco y negro, baja resolución), alcanzando un 75% de precisión con datos reales, entrenando únicamente con imágenes sintéticas. Este proyecto evidencia innovación y potencial de mejora con datasets más amplios.
Enero 2024 - Marzo 2024
Diseñé e implementé una aplicación web que reemplazó planillas Excel en salud cardiovascular, automatizando cálculos estadísticos y reduciendo errores y tiempos de reporte, optimizando la gestión y la toma de decisiones médicas.
Universidad Católica del Norte - Enero 2025
ADEMY - Julio 2025
SENCE - Abril 2025
SENCE - Marzo 2019
SENCE - Marzo 2019
En Desarrollo - 2025
Desarrollo de un sistema de inteligencia artificial conversacional que simula emociones y mantiene coherencia en interacciones prolongadas. El proyecto integra un modelo de lenguaje principal con un modelo de análisis de sentimientos que evalúa continuamente el contexto emocional de la conversación.
El sistema de memoria permite recordar interacciones previas, preferencias del usuario y el historial emocional del diálogo. Los sentimientos simulados afectan dinámicamente los parámetros de generación del modelo (temperatura, top-p, frecuencia de tokens), modificando el tono, la empatía y el estilo de las respuestas. Por ejemplo, en conversaciones positivas el sistema adopta un tono más entusiasta, mientras que en contextos de frustración ajusta sus respuestas para ser más comprensivo y directo.
Tecnologías: Python, PyTorch, Transformers, Análisis de Sentimientos, NLP, Arquitecturas de Memoria (LSTM/Attention), API REST