Agente de Aprendizaje por Refuerzo en Spark

Resumen

Agente de aprendizaje por refuerzo orientado a anticipar y reportar costos operativos sobre escenarios logísticos simulados, apoyado en Graph Attention Networks (GAT) y procesamiento distribuido con Apache Spark.

Qué hice

  • Gestioné el procesamiento de datos a gran escala y la paralelización usando Apache Spark, logrando un speed-up de 5.2x en la ingesta y el entrenamiento respecto a un pipeline secuencial.
  • Analicé métricas sobre más de mil escenarios logísticos simulados para anticipar y reportar costos operativos.
  • Modelé las relaciones entre nodos logísticos mediante Graph Attention Networks (GAT).

Stack

Apache Spark, PySpark, Graph Attention Networks (GAT), Python.

Estado

Proyecto académico, 2025.

Siguiente proyecto

Detección de Melanomas con Vision Transformers — Competencia de Kaggle

Clasificador binario de melanomas mediante transfer learning con un Vision Transformer, optimización de hiperparámetros con Ray Tune e interpretabilidad con Grad-CAM.

Plataforma de Análisis Documental para la CMF

Pipeline de extracción y clasificación de documentos financieros corporativos, con LLMs integrados vía FastAPI y un panel de control interactivo en React.