Saltar a contenido

Stack Tecnológico

Una selección estratégica de herramientas, frameworks y patrones probados en producción que utilizo para construir plataformas de datos confiables, infraestructura cloud segura y sistemas de IA deterministas.

IA en Producción, Agentes y MLOps Aplicado

  • Frameworks Agénticos: LangGraph, Pydantic AI, LangChain, LiteLLM.
  • Orquestación de Modelos: Model Context Protocol (MCP), Vertex AI (Model Garden, Pipelines), Gemini, Anthropic Claude, Hugging Face, Ollama.
  • Almacenamiento Vectorial y Búsqueda Semántica: Qdrant, pgvector, Pinecone, Chroma.
  • Evaluación y Observabilidad: LangSmith, Arize Phoenix, trazabilidad personalizada paso a paso, guardrails semánticos.

Ingeniería de Datos y Lakehouses

  • Motores de Procesamiento: Polars, DuckDB, Apache Arrow, Apache Spark (PySpark), Databricks, Pandas.
  • Orquestación Moderna: Dagster, Apache Airflow (Cloud Composer / MWAA), Prefect.
  • Almacenamiento y Formatos de Tabla: Apache Iceberg, Delta Lake, Apache Parquet, Cloud Storage, Amazon S3.
  • Transformación y Modelado: dbt-core (modelado modular basado en SQL), SQL, modelado dimensional Kimball, Data Vault 2.0.

Infraestructura Cloud y de Plataformas

  • Proveedores de Nube: Google Cloud Platform (GCP), Amazon Web Services (AWS).
  • Infraestructura como Código (IaC): Terraform (zonas de aterrizaje modulares), Terragrunt, OPA Rego, Conftest (Política como Código).
  • Contenedores y Orquestación: Docker, Kubernetes (GKE / EKS), Google Cloud Run, Amazon ECS / Fargate.
  • CI/CD y Toolchain Local: GitHub Actions, GitLab CI, Just runner, uv.

Lenguajes, Bases de Datos y Estándares

  • Lenguajes de Programación: Python, SQL, Rust, Bash.
  • Bases de Datos: PostgreSQL, DuckDB, MySQL, BigQuery, Snowflake, Redshift.
  • Estándares de Calidad e Ingeniería: contratos de datos, evolución de esquemas, idempotencia, pre-commit quality gates, Conventional Commits, SemVer.