Dereck Mendez — Construyo sistemas inteligentes que llevan los datos a la decisión.
Construyo soluciones de datos y Machine Learning que convierten problemas reales en resultados medibles y reproducibles, desde el análisis y la experimentación hasta sistemas confiables.
Hola, soy Dereck.
Mi camino hacia los datos ha estado marcado por una combinación de experiencia de negocio, analítica y desarrollo de software. Me interesa entender el problema detrás de los datos antes de pensar en el modelo.
Actualmente estoy enfocado en seguir creciendo como Data Scientist y Machine Learning Engineer, con especial interés en las prácticas de ingeniería que hacen que los sistemas de ML sean reproducibles, mantenibles y útiles más allá de la experimentación.
Más sobre mí→
Proyectos end-to-end que resuelven problemas reales.
Una selección de proyectos donde combino análisis de datos, razonamiento estadístico, Machine Learning e ingeniería para convertir una pregunta de negocio en una solución funcional.
Benchmark end-to-end de compensación para profesionales de datos e IA a nivel global: ETL con contrato de datos, rigor estadístico (pruebas de hipótesis, intervalos de confianza por bootstrap), ajuste por poder adquisitivo, consultas SQL de negocio y dashboard interactivo en Power BI.
Sistema end-to-end de predicción de churn que va del EDA a producción: selección de modelo, tracking de experimentos, monitoreo de drift, reentrenamiento con promoción champion/challenger, serving con explicabilidad, y un cálculo de valor de negocio para priorizar retención.
Pipeline de datos con arquitectura Medallion (Bronze → Silver → Gold) para datos de e-commerce, construido con Polars y DuckDB y orquestado con Airflow. Proyecto en desarrollo, enfocado en demostrar ingeniería de datos end-to-end.
El stack, organizado por disciplina.
Datos y análisis
Limpiar, explorar y modelar datos con código.
BI y visualización
Convertir el análisis en algo que la gente lee y usa.
Ingeniería de datos
Almacenamiento, transformación y orquestación.
Machine Learning y MLOps
Entrenar, registrar, versionar y servir modelos.
scikit-learn
LightGBMPrácticas de ingeniería
Control de versiones, testing, CI y contenedores.
Del mundo de negocio a los datos y ML.
Experiencia completa →Trabajo en la intersección entre analítica, software y soluciones basadas en datos, conectando problemas reales de negocio con soluciones técnicas mientras me especializo en Machine Learning y MLOps.
Combiné la gestión de personas con People Analytics y BI: automaticé reportes con Python y construí dashboards en Power BI y Looker Studio con datos de Guatemala, Costa Rica y El Salvador.
Capacité al personal de nuevo ingreso del área de inventarios y comencé a construir mis propios indicadores y dashboards en Excel, además de herramientas para estandarizar procesos.
Coordiné al equipo de control de inventarios y supervisé conteos, inconsistencias y ajustes, tomando decisiones basadas en datos para mantener la confiabilidad del inventario.
Mis primeros pasos en el análisis de datos: conteos cíclicos en Excel, detección de faltantes y sobrantes, e investigación de las causas detrás de cada inconsistencia.
Empecé desde la operación y el contacto directo con clientes, entendiendo de primera mano cómo funciona una sucursal: la base de todo lo que vino después.
Lo que realmente puedo hacer.
Análisis de datos
Convertir preguntas de negocio en análisis estructurados utilizando datos para entender qué está ocurriendo y por qué.
Visualización de datos
Comunicar resultados analíticos mediante dashboards y visualizaciones claras orientadas a la toma de decisiones.
Machine Learning
Construir y evaluar modelos predictivos utilizando buenos baselines, validaciones apropiadas y métricas alineadas con el problema.
Forecasting
Modelar patrones temporales y evaluar pronósticos mediante estrategias de validación que representen cómo se utilizarán las predicciones en la práctica.
MLOps
Construir flujos reproducibles de Machine Learning alrededor del seguimiento de experimentos, versionado, testing, empaquetado y reentrenamiento automatizado.
Ingeniería de datos
Diseñar pipelines de datos confiables —ingesta, transformaciones por capas y orquestación— para que la analítica y los modelos trabajen sobre datos limpios y reproducibles.
Construyamos algo que valga la pena.
Estoy abierto a oportunidades donde pueda aportar desde Data Science, Machine Learning, analítica y la ingeniería necesaria para construir soluciones de datos confiables.
Ya sea para analizar un problema, construir un modelo o ayudar a convertir un experimento en un sistema más sólido, estaré encantado de conectar.