Proyectos
Cosas que he construido
Una mezcla de investigación en IA, productos y hackathons, de más reciente a más antiguo. La mayor parte de mi trabajo profesional está bajo NDA: pregúntale al asistente y te hará un resumen.
2024 – Actualidad
Portfolio con IA y chatbot
Next.js · React · TypeScript · Vercel AI SDK
Esta web: un portfolio en Next.js en tres idiomas con un asistente de IA que responde preguntas sobre mi carrera con mi propia voz, basado en el mismo contenido tipado que pinta las páginas.
- Retos
- Que el asistente sea preciso (sin datos inventados), barato de mantener y seguro de exponer públicamente, manteniendo una única fuente de verdad para la interfaz y el conocimiento del modelo.
- Resultados
- Reconstruido en 2026: de un pipeline RAG con LangChain y base de datos vectorial a un diseño más ligero con long context, prompt caching, tool calling con UI generativa, rate limiting y evals automáticas. Menos piezas, menos coste y mejores respuestas.
- Next.js
- React
- TypeScript
- Vercel AI SDK
- OpenAI
- Tailwind CSS
- next-intl
- Vercel


Oleoh · 3.er premio hackathon
2026
Creado en el Data Challenge del Polo Digital de Málaga: un sistema que cruza los datos abiertos de la ciudad para detectar los barrios con más tensión en el reciclaje de aceite usado —mucha generación y pocos puntos de recogida cerca— y un concepto de servicio con contenedores en los portales y recogida puerta a puerta que convierte el aceite de los hogares en biodiésel.
- Retos
- Encontrar, limpiar y cruzar conjuntos de datos públicos heterogéneos con la presión de tiempo de un hackathon, y convertirlos en un mapa y un ranking claros y accionables para comunidades y empresas de reciclaje.
- Resultados
- Tercer premio. Un mapa de calor hexagonal y un ranking de barrios según la tensión de reciclaje, más una landing para el piloto, que ayudan a decidir dónde instalar contenedores y conectan el aceite con empresas que le dan una segunda vida. Me encargué del desarrollo técnico en un equipo de cinco.
- Datos abiertos
- Análisis de datos
- Visualización geoespacial
- Smart cities


Una app móvil en Flutter para cocinar de forma más eficiente: buscar y guardar recetas, crear la lista de la compra y seguir los pasos sin manos mediante comandos de voz.
- Retos
- Integrar un reconocimiento de voz preciso con recursos limitados y diseñar una interfaz que funcione con fluidez en distintos dispositivos.
- Resultados
- Un flujo de cocina manos libres con comandos de voz, además de experiencia en diseño de interfaces móviles responsive e integración de APIs.
- Flutter
- Dart
- Reconocimiento de voz
- REST APIs


Una aplicación web de gestión de restaurantes y reservas con un editor interactivo para diseñar la distribución del local y chat en tiempo real entre clientes y restaurantes, desplegada en AWS.
- Retos
- Crear una interfaz intuitiva para diseñar planos y una comunicación en tiempo real fiable a través del chat.
- Resultados
- Una herramienta de diseño de planos fácil de usar, experiencia sólida con funcionalidades en tiempo real y despliegue práctico en AWS dentro de un equipo internacional.
- React
- Express.js
- Node.js
- WebSockets
- AWS


Un juego en Unity en el que un agente de IA pilota de forma autónoma una nave con controles físicos, usando aprendizaje por refuerzo para esquivar asteroides, destruir amenazas con misiles guiados y perseguir ovnis.
- Retos
- Entrenar al agente para controlar el movimiento mediante fuerzas físicas, tomar decisiones en tiempo real para esquivar obstáculos y disparar misiles, y mantener un comportamiento físicamente realista de la nave y los misiles.
- Resultados
- Un agente de navegación autónoma que se adapta a los peligros del espacio, esquivando o destruyendo asteroides y persiguiendo ovnis. Experiencia práctica en aprendizaje por refuerzo, control basado en físicas y toma de decisiones en tiempo real.
- Unity
- C#
- Aprendizaje por refuerzo
- ML-Agents


Un modelo de deep learning con TensorFlow y Keras que estima la edad de una persona a partir de una foto usando redes neuronales convolucionales (CNN).
- Retos
- Manejar un gran conjunto de imágenes de baja resolución, transformarlo a un formato adecuado para el entrenamiento y ajustar la red para obtener predicciones precisas.
- Resultados
- Un modelo de predicción de edad funcional y un paper de estilo académico. Comprensión más profunda de las CNN, el procesamiento de imágenes y la optimización de modelos, además de experiencia entrenando en la nube con Colab y AWS.
- Python
- TensorFlow
- Keras
- CNNs
- Google Colab
- AWS