# Sobre mí **Fernando Landero** · Consultor Senior e Ingeniero · Plataformas de Cloud, Datos e IA Llevo más de 15 años construyendo y operando sistemas de software — los últimos **7 enfocados en cloud y plataformas de datos**. Hoy trabajo como consultor independiente: los equipos me traen para modernizar una arquitectura de datos, endurecer su infraestructura o llevar un sistema de IA del prototipo a producción, principalmente en **Google Cloud** y **AWS**. Cuando encajan, construyo con piezas portables y open source (dbt, Spark, Airflow, Iceberg), para que los sistemas que dejo no queden atados a un solo proveedor. ## Áreas de enfoque | Área | Qué aporto | Stack habitual | | :--- | :--- | :--- | | IA aplicada y MLOps | Sistemas de IA que funcionan en producción — recuperación evaluada, agentes con estado, uso controlado de herramientas — y despliegue automatizado de ML | LangGraph, Pydantic AI, Gemini / Vertex AI, Databricks, evaluación RAG, Langfuse, OpenTelemetry | | Cloud e ingeniería de plataformas | Arquitecturas seguras definidas como código, verificadas por política antes de aplicarse y con el costo de nube bajo control (FinOps) | Terraform / OpenTofu, Terragrunt, OPA Rego, GitHub Actions, Kubernetes (GKE/EKS), Cloud Run | | Ingeniería de datos y pipelines | Pipelines batch y streaming que aguantan carga, desde la ingesta hasta transformaciones probadas | Spark, dbt, Airflow / Cloud Composer, Dagster, Dataflow, Pub/Sub | | Arquitectura de datos y almacenamiento | Modelos dimensionales, contratos de datos y elección de almacenamiento entre data warehouses y lakehouses de tablas abiertas | BigQuery, Iceberg, Delta Lake, Parquet, Kimball, Data Vault 2.0 | ## Experiencia seleccionada ### 2026–presente · Landerox (independiente) **Rol:** Senior Consultant · AI Engineer · **Industria:** Finanzas, Energía Desarrollé razonamiento multiagente en GCP con LangGraph para evaluar créditos, con caché de prompts y telemetría de costos por token. Construí un agente de monitoreo automatizado que diagnostica fallas de pipeline con LLMs locales (Hermes-3) y genera PRs correctivos bajo revisión humana. En AWS, desplegué un lakehouse Medallion que unifica fuentes descentralizadas para asistentes multiagente. ### 2025 · TCS **Rol:** Senior Consultant · MLOps & Data Engineer · **Industria:** Datos Crediticios y Seguridad Construí una librería core interna en Python con tooling CLI en Vertex AI Workbench para automatizar despliegues de ML sobre Spark, Databricks y Dataproc. Endurecí pipelines CI/CD zero-trust, orquesté escaneo de PII entre dominios y goberné la ingesta en BigQuery bajo cumplimiento estricto. ### 2024–2025 · Axity **Rol:** Senior Consultant · MLOps & Data Engineer · **Industria:** Retail Inmobiliario Orquesté flujos Gemini multi-agente en Cloud Run con estado de sesión en Redis, reemplazando OpenDataQnA por un orquestador propio para eliminar cuellos de botella de latencia. Desplegué landing zones GCP multi-proyecto en Terraform, pipelines Dataflow batch/streaming y rutinas automatizadas de ofuscación de PII. ### 2023–2024 · Acid Labs **Rol:** Senior Data Engineer · **Industria:** Retail Gestioné una plataforma de datos en Kubernetes: más de 200 extractores propios en Python ingiriendo a capas raw de BigQuery, y más de 1.100 modelos dbt construyendo las capas Silver/Gold del lakehouse para 8 unidades de negocio. Implementé optimización de costos GKE/BigQuery (FinOps), aislamiento de PII en vistas dbt y rutinas automatizadas de respaldo en Parquet. ### 2022–2023 · Sodimac **Rol:** Senior Data Engineer · **Industria:** Retail Construí pipelines de ingesta batch y streaming (Dataflow, Pub/Sub, Airflow), ELT entre nubes desde Amazon S3 hacia BigQuery, y entrenamiento semanal contenerizado de modelos ML de recomendación en Kubernetes, optimizando a la vez los costos de cómputo de consultas en BigQuery. ### 2019–2021 · NTT DATA **Rol:** Data Engineer · **Industria:** Energía, Aviación, Telecomunicaciones En el sector energético, implementé la ingesta distribuida de datos de Salesforce CRM hacia un data lake Cloudera/Hadoop utilizando PySpark, HiveQL y Bash para alimentar tableros en Tableau. Para una aerolínea, formé parte de la migración de sistemas on-premises a Google Cloud Platform (GCP), donde construí la capa de datos implementando modelado de dominio Data Vault 2.0 bajo un enfoque *data mesh*, pipelines ETL/ELT en Python orquestados con Cloud Composer (Airflow) y Cloud Functions hacia BigQuery, jobs en Scala sobre Dataproc y cargas contenerizadas en Kubernetes. Asimismo, refactoricé jobs de procesamiento en Scala/Hadoop para una operadora de telecomunicaciones. ### 2008–2017 · Banca y medios de pago **Rol:** Systems & Data Engineer · **Industria:** Core Bancario Desarrollé sistemas de core bancario, facturación y sistemas financieros transaccionales — estableciendo estándares estrictos de consistencia de datos, idempotencia y confiabilidad operativa. ## Contacto Cómo trabajo con equipos y cuándo estoy disponible está en [Colaboración]().