Informática y Ciencia de Datos · Proyectos de Guillermo S. Fuentes Jaque

Mostrando los 15 proyectos

Ingeniería de datos y automatización

3 proyectos

Vista previa de Análisis de compras públicas de Chile

Proyecto propio

012026

Análisis de compras públicas de Chile

807.597 licitaciones y más de 30 GB procesados en streaming, con pronóstico a 2028.

807.597 licitaciones
30 GB en streaming
Pronóstico a 2028

Python
ETL en streaming
Parquet
Prophet
XGBoost
GitHub Actions

Sitio Código

Detalle de Análisis de compras públicas de Chile: problema, solución y resultado

Problema: Los datos abiertos de ChileCompra superan los 30 GB en archivos mensuales con formatos inconsistentes: no caben en memoria ni se pueden analizar directamente.
Solución: Pipeline reproducible de descarga masiva, ETL en streaming por bloques hacia Parquet, limpieza, ingeniería de variables, un índice de oportunidad de mercado y pronóstico con Prophet y XGBoost. El sitio de resultados se publica solo con cada cambio.
Resultado: 807.597 licitaciones analizadas (2019–2025), más de 15 millones de registros procesados, pronóstico 2025–2028 y más de 12 visualizaciones, incluido un diagrama Sankey interactivo.

Vista previa de chilecompra-data-processor

Proyecto propio

022026

chilecompra-data-processor

30 GB de datos crudos convertidos en 7 archivos Parquet de menos de 50 MB.

Python
Parquet
GitHub Actions
Automatización

Código

Detalle de chilecompra-data-processor: problema, solución y resultado

Problema: Repetir la descarga y el procesamiento de 136 archivos mensuales de licitaciones (2015–2026) es lento y se interrumpe con facilidad.
Solución: Procesador automático con agregación combinable entre bloques, guardado mensual particionado y reanudación desde el último mes completado. Se ejecuta en GitHub Actions o con un clic en Windows.
Resultado: Más de 30 GB de datos crudos reducidos a 7 archivos Parquet de menos de 50 MB, publicados como releases automáticas.

Vista previa de Precipitación mensual del Atacama

Proyecto propio

032026 · versión 5

Precipitación mensual del Atacama

310 pluviómetros de 4 países en una base homogenizada con API.

Python
R (climatol)
SQLite
Cloudflare D1
API

Sitio

Detalle de Precipitación mensual del Atacama: problema, solución y resultado

Problema: Los registros de lluvia del norte de Chile y el Altiplano están repartidos entre instituciones y países, con formatos y calidades distintas.
Solución: Integración de fuentes con datos originales inmutables, homogenización en cuatro regímenes climáticos, relleno de vacíos con banderas de calidad y scripts que regeneran la base completa. Se consulta por descarga o por una API.
Resultado: 310 pluviómetros de 4 países y 11 instituciones (2000–2026), con descargas CSV y SQLite y una API JSON/CSV. Publicación provisional: licencia en trámite.

Machine learning y explicabilidad

3 proyectos

Proyecto propio

042026

churnTelecom

Cinco modelos comparados, ROC-AUC de 0,848 y explicabilidad con SHAP.

Python
Scikit-learn
XGBoost
LightGBM
SHAP

Código

Detalle de churnTelecom: problema, solución y resultado

Problema: Identificar qué clientes de una empresa de telecomunicaciones tienen mayor probabilidad de abandonar, y por qué.
Solución: Pipeline de extremo a extremo con el conjunto de datos público IBM Telco: análisis exploratorio, ingeniería de variables, comparación de cinco modelos y explicabilidad con SHAP traducida a recomendaciones de negocio.
Resultado: 7.043 clientes; mejor ROC-AUC de 0,848 (regresión logística) frente a Random Forest, Gradient Boosting, XGBoost y LightGBM; 359 clientes de alto riesgo identificados en el conjunto de prueba.

Experimental

052026

monitoreoML

Detección de deriva de datos y alertas de reentrenamiento.

Python
Scikit-learn
Pruebas estadísticas

Código

Detalle de monitoreoML: problema, solución y resultado

Problema: Los modelos pierden rendimiento después de desplegarse, cuando cambian los datos que reciben.
Solución: Marco de monitoreo que detecta deriva de datos y de predicciones con las pruebas de Kolmogorov-Smirnov, PSI y Jensen-Shannon, sigue métricas de calibración y emite alertas con criterios de reentrenamiento.
Resultado: Evaluado con 12 meses de deriva simulada sobre datos sintéticos: el ROC-AUC cae de 0,946 a 0,57–0,65 y el sistema genera 21 alertas. No es un sistema en producción.

Experimental

062026

segmentacionClientes

Cuatro segmentos de clientes con tres métodos de agrupamiento.

Python
Scikit-learn
Clustering
RFM

Código

Detalle de segmentacionClientes: problema, solución y resultado

Problema: Agrupar clientes en perfiles útiles para decidir estrategias de retención y venta.
Solución: Análisis RFM, comparación de K-Means, agrupamiento jerárquico y DBSCAN, estimación simplificada del valor del cliente y estrategias por segmento.
Resultado: Cuatro segmentos sobre 5.000 clientes, con índice de silueta entre 0,29 y 0,38. Usa datos sintéticos generados para el ejercicio.

Ingeniería de software

3 proyectos

Proyecto propio

072026 · licencia MIT

tempify

Librería de Python con 330 pruebas automatizadas, 7 versiones y DOI.

330 pruebas
7 versiones
DOI en Zenodo

Python
CLI
pytest
ADR
Zenodo

Documentación Código DOI

Detalle de tempify: problema, solución y resultado

Problema: Los productos climáticos de alta resolución se distribuyen por mes, pero muchos procesos ambientales necesitan valores diarios.
Solución: Librería de Python con interfaz de línea de comandos que convierte series ráster mensuales en diarias conservando la media mensual. Arquitectura por capas, documentación y tutoriales con datos reales de WorldClim.
Resultado: 330 pruebas automatizadas, 17 registros de decisiones de arquitectura, 7 versiones publicadas y DOI en Zenodo.

Fotograma del video de presentación de WST Explorer

Proyecto de título

082026 · Ingeniería Civil Informática, USS

WST Explorer

Plataforma web para consultar temperatura de lagos desde datos satelitales, con 632 pruebas automatizadas. Mira el video de presentación.

632 pruebas
0,22 s de respuesta

Python
Flask
Xarray
Leaflet
Plotly
pytest
Playwright

Sin enlace público

Detalle de WST Explorer: problema, solución y resultado

Problema: Los datos satelitales de temperatura superficial de lagos son difíciles de consultar para quien no es especialista en teledetección.
Solución: Plataforma web con servidor en Flask, Xarray y las API de Copernicus; mapa con Leaflet y gráficos con Plotly; autenticación con roles. Desarrollada con el Laboratorio EARTH.
Resultado: Prototipo de uso local, sin despliegue público. 632 pruebas automatizadas con pytest y Playwright, tiempo de respuesta de 0,22 s, requisitos según ISO/IEC/IEEE 29148 y registros de decisiones de arquitectura.

Proyecto propio

09paquete de R

spEnviroDistr

Paquete de R para regresión geográficamente ponderada en paralelo.

R
GWR
Procesamiento paralelo

Documentación Código

Detalle de spEnviroDistr: problema, solución y resultado

Problema: Estimar variables ambientales en lugares sin medición a partir de predictores espaciales.
Solución: Paquete con regresión geográficamente ponderada en paralelo, reducción de escala espacial, relleno de vacíos en ráster y preparación de predictores. Nació de trabajos con CITRA, Universidad de Talca.
Resultado: Paquete documentado y público.

Reportería, BI y productos web

3 proyectos

Producto de ICTA

102026

ARTEMIS

Boletines territoriales periódicos con indicadores, alertas y tableros.

6 módulos
Boletín de prueba: cuenca del Maipo

Teledetección
ERA5
Indicadores
Tableros
Boletines

Sitio

Detalle de ARTEMIS: problema, solución y resultado

Problema: Quienes gestionan predios, cuencas o comunas necesitan seguimiento periódico del clima y la vegetación, sin procesar ellos mismos los datos satelitales.
Solución: Plataforma de inteligencia territorial que integra MODIS, ERA5, estaciones de la DMC, pronósticos ECMWF SEAS5 y proyecciones ARClim en boletines periódicos, con seis módulos: monitoreo, boletines, alertas por umbral, tableros, clima y agua.
Resultado: Boletín de prueba real para la cuenca del Maipo (enero de 2026), con indicadores frente a líneas base históricas. Se ofrece como servicio de ICTA.

Proyecto propio

112026 · versión 0.7

Atlas Agroclimático

Visor web de clima y territorio con estadísticas por predio.

JavaScript
Leaflet
Turf.js
Cloudflare Pages
Workers
R2
D1

Sitio

Detalle de Atlas Agroclimático: problema, solución y resultado

Problema: Consultar clima y territorio de un predio suele exigir programas especializados.
Solución: Visor web donde se dibuja o se carga un predio y se obtienen estadísticas de elevación y clima, con estaciones meteorológicas y sus climogramas.
Resultado: Admite GeoJSON, Shapefile, KML, KMZ y GPX; elevación SRTM y Copernicus GLO-90; normales WorldClim 2.1; estaciones DMC, Agromet y DGA.

Producto de ICTA

122026

Sitio web de ICTA

Sitio de la empresa con React, TypeScript y Cloudflare.

React
TypeScript
Vite
Tailwind
Cloudflare Workers

Sitio

Detalle de Sitio web de ICTA: problema, solución y resultado

Problema: La empresa necesitaba un sitio propio, rápido y seguro, con formulario de contacto.
Solución: Sitio con React, TypeScript, Vite y Tailwind, desplegado en Cloudflare, con formularios sin servidor, límite de solicitudes, política de seguridad de contenido y validación de entradas.
Resultado: Sitio en producción.

I+D en curso: IA aplicada a observación de la Tierra

3 proyectos

Líneas exploratorias con repositorios privados. Se incluyen para mostrar la dirección del trabajo, no como productos terminados.

Imagen representativa del proyecto geoai-landuse-change

I+D en curso

13en curso

geoai-landuse-change

Detección de cambios de uso de suelo con Sentinel-2.

Python
STAC
Rasterio
Xarray
Scikit-learn
Parquet

Sin enlace público

Detalle de geoai-landuse-change: problema, solución y resultado

Problema: Detectar cambios de uso y cobertura del suelo a gran escala con imágenes Sentinel-2.
Solución: Pipeline por etapas: catálogo STAC, preprocesamiento, división espacial en teselas, ingeniería de variables, entrenamiento, inferencia y detección de cambios.
Resultado: En desarrollo.

Imagen representativa del proyecto urban-embedding-santiago

I+D en curso

14en curso

urban-embedding-santiago

Tejido urbano de Santiago con modelos fundacionales.

Google Earth Engine
AlphaEarth Foundations
Clasificación supervisada

Sin enlace público

Detalle de urban-embedding-santiago: problema, solución y resultado

Problema: Estudiar la expansión y densificación urbana de Santiago con modelos fundacionales geoespaciales.
Solución: Clasificación supervisada de tipologías de tejido urbano con representaciones satelitales de AlphaEarth Foundations en Google Earth Engine, con Dynamic World como línea base.
Resultado: En desarrollo.

Imagen representativa del proyecto CanopySAR

I+D en curso

15piloto interno de ICTA

CanopySAR

Fusión de radar e imágenes ópticas para vegetación.

Sentinel-1
Sentinel-2
ESA SNAP
Random Forest
SVM

Sin enlace público

Detalle de CanopySAR: problema, solución y resultado

Problema: La nubosidad limita el monitoreo óptico de la vegetación mediterránea.
Solución: Fusión de radar Sentinel-1 e imágenes ópticas Sentinel-2, con clasificación Random Forest y SVM y validación espacial.
Resultado: Piloto en desarrollo.