Radar de Valorización Urbana
Predicción de valorización inmobiliaria para Quito y Guayaquil con intervalos calibrados y explicabilidad SHAP.
Error−18%Cobertura91%Latencia<100ms
Principal Data Scientist · Ecuador · Remoto
Convierto incertidumbre en decisiones de negocio.
Econometría causal, aprendizaje por refuerzo y sistemas de ML escalables aplicados a KPIs medibles — desde valorización urbana hasta bioseguridad industrial.
16proyectos en producción
+150%ROI en detección por visión
7–14 díasalertas tempranas en acuicultura
221municipios con índice de transparencia
Featured projects
Proyectos insignia
Tres sistemas donde el rigor estadístico y la ingeniería de producción se traducen en impacto medible.
Bioseguridad Camarón AI
Predicción de brotes con Deep Learning + agente RL que recomienda acciones de bioseguridad óptimas.
Alerta7–14 díasEvitado~$1.2M
Banana Disease Detection
Detección de enfermedades del banano en 5 s por imagen con transfer learning y exportación a edge.
ROI+150%Pesticidas−25%Inferencia5 s
Strategic areas
Áreas estratégicas
Cinco dominios donde concentro mi experiencia técnica y de liderazgo.
🧮
Causal Inference & Econometría
Modelos hedónicos, diferencias-en-diferencias y diseño de experimentos para pricing, valoración y políticas públicas.
Ver casos →📈
Forecasting at Scale
ARIMA/SARIMA, GAMs y deep learning con intervalos conformales para pronósticos con incertidumbre honesta.
Ver casos →🤖
RL for Dynamic Optimization
Agentes PPO/DDQN para optimizar decisiones secuenciales bajo incertidumbre en operaciones y recursos.
Ver casos →🏗️
ML System Design
ETL → feature store → API → dashboard, con monitoreo de drift (PSI), reentrenamiento y gobernanza.
Ver proyectos →🗺️
Spatial Analytics
Rejillas H3, econometría espacial (Moran, LISA) y geoestadística para decisiones territoriales.
Ver casos →🧭
Strategic Roadmapping
Traduzco problemas de negocio en hojas de ruta de datos con priorización por impacto y riesgo.
Ver publicaciones →How I work
Del problema al KPI medible
Un proceso que empieza en la hipótesis económica y termina en producción monitoreada.
Problema de negocio
Definir la decisión que hay que mejorar y su KPI.
Hipótesis causal
Explicitar el mecanismo económico o físico que conecta datos y resultado.
Datos + ETL
Pipelines versionados con validación de esquemas y calidad.
Modelado riguroso
Validación espacial/temporal, calibración de incertidumbre y explicabilidad.
Producción + monitoreo
APIs, drift (PSI), reentrenamiento y gobernanza de modelos.
Decisión con KPI
Cerrar el ciclo midiendo el impacto real sobre el negocio.
"Los modelos no venden; las decisiones sí."— Jordán Villón, Principal Data Scientist
Contacto
Hablemos de tu equipo de datos
Cuéntame tu reto — el mensaje llega directo a mi correo y suelo responder en menos de 24 h.