Andrés Conti
Backend Engineer · IA aplicada · Data Engineering
Soy Andrés Conti, Ingeniero en Computación y Backend Engineer. Ayudo a equipos y negocios a ordenar procesos, conectar herramientas y construir soluciones simples, mantenibles y listas para usar.
Servicios
La primera versión de una solución no tiene que ser enorme. Tiene que estar bien pensada, resolver un problema concreto y dejar una base que pueda evolucionar.
Automatización de tareas repetitivas, procesamiento de documentos, clasificación de información, reportes e integraciones entre herramientas que hoy consumen tiempo manual.
Diseño y construcción de APIs, servicios backend e integraciones entre sistemas, con foco en mantenibilidad, claridad técnica y entregas que puedan crecer sin desordenarse.
Pipelines de datos, análisis exploratorio, preparación de datasets y primeros modelos para validar si un problema puede resolverse con datos o machine learning.
Punto de entrada
Un buen primer paso puede ser revisar el proceso, la idea o la integración pendiente y salir con un alcance técnico más claro.
Desde ahí podemos decidir si lo correcto es una automatización, una pieza backend, un prototipo de datos o simplemente un plan de trabajo honesto para avanzar sin sobredimensionar la solución.
Empezar con un diagnósticoTrayectoria
Mi recorrido combina experiencia construyendo software backend, formación como Ingeniero en Computación y trabajo reciente en proyectos de datos, machine learning e IA aplicada. Me interesa especialmente bajar problemas complejos a soluciones concretas y sostenibles.
Base académica
Formación en ingeniería de software, sistemas distribuidos, arquitectura, datos y machine learning. La tesis me permitió profundizar en pipelines de big data y modelos de ML aplicados a un problema técnico real.
Experiencia profesional
Experiencia desarrollando y evolucionando servicios backend, APIs e integraciones en contextos donde importan la mantenibilidad, la confiabilidad y la claridad técnica. Trabajo especialmente cómodo bajando problemas complejos a soluciones implementables.
Datos y machine learning
Experiencia construyendo pipelines de datos, procesos ETL, análisis exploratorio y modelos de machine learning sobre datasets de gran escala, combinando herramientas como Spark, Python y PyTorch.
Proyecto en exploración
Proyecto propio orientado a explorar reservas, automatización y experiencia operativa para negocios que trabajan con turnos. Sirve como espacio para validar ideas de producto, IA aplicada e integración con canales simples como web o mensajería.
Tesis de Ingeniería en Computación
Proyecto enfocado en construir pipelines de datos y modelos de machine learning para analizar la calidad de transmisión en redes ópticas sobre datasets experimentales de gran escala.
Ver repositorioProblema
El objetivo era transformar datos complejos de una red óptica en información utilizable para decidir si una conexión podía establecerse con calidad suficiente.
Resultado
Pipeline reproducible, análisis exploratorio y comparación de modelos sobre distintas representaciones del estado de la red.
Cómo trabajo
01
Bajo el problema a un proceso concreto: qué pasa hoy, qué duele, qué se repite y qué resultado se espera.
02
Defino qué vale la pena resolver primero, qué evidencia necesitamos y cuál es el alcance razonable para una primera entrega.
03
Desarrollo en entregas claras: diagnóstico, automatización, integración, prototipo o pieza backend funcional.
04
Documento lo importante, explico cómo usar la solución y cuido que pueda mantenerse o evolucionar después.
Contacto
Podés escribirme para revisar el problema, acotar una primera solución y decidir si vale la pena avanzar con una automatización, una integración, un prototipo o una pieza backend.