Asistente inteligente que lee documentos PDF en varios idiomas, facilitando a empresas y clientes el acceso rápido a inf...
Ensemble de Gradient Boosting + red neuronal MLP entrenado con 21.000+ transacciones reales. R²=0.90: el modelo explica...
XGBoost (3 clases: Baja/Media/Alta revalorización) + GNN con 2 rounds de message-passing espacial. F1-macro=0.61 · MCC=0...
DCRNN-lite entrenado con datos reales CAMS de Open-Meteo (2022-2023, 24 estaciones Madrid). R²=0.84 por estación: explic...
NeuralOps ha evolucionado de una serie de scripts a una red de Micro-agentes Cognitivos soportada por una Infraestructura Determinista. El sistema opera bajo una arquitectura de capas donde el Cerebro (Agentes ReAct) decide y el Músculo (Servicios) ejecuta y protege.
Nginx -t · systemd daemon-reload) con rollback automático ante fallos, y persistencia de mejoras automática en Git (commits firmados por agente) y Metadata JSON (versión + summary visibles en el portfolio).
Supervisor (ciclo 5min + protocolo alivio de carga), RecommendationRouter (ejecuta acciones aprobadas, sugerencia diaria), DailyReporter (resumen humano 21:45 UTC), MetaAgent (auditoría semanal), ResponseHandler (bot Telegram resiliente).
BugFixer + CodeReview + DependencyWatch + TestRunner trabajan código. GithubSync + PortfolioUpdater + SyncProjectsJson sincronizan repos y BD. HealthAgent + ServiceMonitor + ControlAgent + ErrorRepair + SystemCleaner + TelemetryPublisher mantienen la infraestructura sana.
Pipeline B2B completo: LeadScraper → LeadScorer (con fallback heurístico si Groq agotada) → EmailDrafter → EmailSender (cooldown 30d/dominio). Posts con estrategia SEO por canal: ContentCreator (LinkedIn martes 16h España) amplifica el ganador, TwitterPublisher (martes 15 UTC) rescata los de bajo tráfico. SeoMonitor diario con alerta OAuth.
AnalyticsAgent cruza Nginx + leads. ProjectImprover aplica patches con safety AST + rollback. ProjectBuilder crea proyectos enteros desde una spec. PortfolioMarketReview audita semanalmente. CompetitiveIntelligence + PortfolioReorder cierran el loop estratégico.
Modelé 24 estaciones de Madrid como un grafo y entrené una DCRNN en PyTorch para predecir el Índice de Calidad...
Un ensemble que combina LightGBM sobre 25+ indicadores técnicos, sentimiento de noticias y eventos geopolítico...
XGBoost de 3 clases + propagación tipo GNN entre barrios vecinos para capturar el "efecto contagio" de la gent...
Newsletter
Sin spam. Solo un email cuando publico algo nuevo de IA. Baja en un clic.
Si tienes alguna pregunta sobre mis proyectos o simplemente quieres ponerte en contacto, puedes escribirme y te responderé lo antes posible.