frank photo

Hola, soy Francisco

Ingeniero en Computación y Científico de Datos con experiencia en desarrollo full-stack y modelado de datos. Enfocado en soluciones claras, eficientes y basadas en evidencia.

Educación

  1. Agosto 2023 — Diciembre 2025
  2. Licenciatura en Ingeniería en Ciencias de la Computación

    Benemérita Universidad Autónoma de Puebla
    Agosto 2015 — Diciembre 2020

Experiencia Laboral

  1. Desarrollador Full-Stack

    MTech Systems

    Colaboré en el desarrollo de una plataforma web para gestión avícola profesional, participando en tareas de frontend y backend dentro de un equipo ágil. Contribuí a la implementación y mejora de funcionalidades orientadas a la operación del negocio. Coordiné trabajo técnico en un entorno bilingüe, facilitando comunicación efectiva entre miembros del equipo. Saber más...
  2. Desarrollador Full-Stack

    beedSocial

    Asumí el rol de desarrollador Full-Stack, liderando el desarrollo de una aplicación web. Participé en el diseño y estructuración de la base de datos, así como en la implementación de su API para la gestión de la lógica y comunicación del sistema. Colaboré estrechamente con el equipo de desarrollo en la incorporación de mejoras y nuevas funcionalidades orientadas a la evolución del producto.
  3. Desarrollador Front-End

    beedSocial

    Colaboré en el desarrollo de una aplicación web para orientación vocacional, participando en el diseño e implementación de la interfaz de usuario. Adapté componentes y funcionalidades conforme evolucionaban los requerimientos del producto, asegurando consistencia y usabilidad en un entorno de desarrollo colaborativo.
  4. Apoyo Informático

    Administración Desconcentrada de Puebla 1 SAT Servicio de Administración Tributaria

    Brindé apoyo informático en la Administración Desconcentrada de Puebla 1, participando en el mapeo de direcciones IP del equipo de cómputo institucional y en la verificación de puertos de switch para asegurar el correcto funcionamiento de la red. Realicé instalaciones y actualizaciones de software, así como soporte técnico directo a usuarios para la resolución de incidencias operativas.

Proyectos

Interfaz para análisis de datos genéticos ΔG

Desarrollé una interfaz interactiva en R Shiny para el análisis de secuencias genéticas con valores de energía (ΔG), que permite agrupar secuencias por similitud, aplicar métodos de clustering automáticos y manuales, y explorar resultados mediante visualizaciones interactivas como dendrogramas. Adicionalmente, se implementó una herramienta para generar combinatorias de secuencias destinadas a análisis en biología estructural. El proyecto busca facilitar el acceso a herramientas avanzadas de análisis genómico para investigadores y profesionales de la salud sin requerir conocimientos avanzados de programación.

  • R language
  • Shiny

Plataforma para Evaluación e Interpretabilidad de Modelos de Machine Learning en Neurodesarrollo Infantil

Desarrollé una interfaz interactiva para la evaluación comparativa de modelos supervisados aplicados a la predicción del neurodesarrollo infantil, como complemento de un artículo de divulgación en Machine Learning clínico. La herramienta permite analizar y contrastar el rendimiento de modelos de Regresión Logística, Árboles de Decisión, Random Forest y XGBoost, utilizando métricas como accuracy y F1-score. La interfaz integra visualizaciones clave para la validación de modelos, incluyendo matrices de confusión, curvas AU-ROC y explicaciones basadas en SHapley Additive exPlanations (SHAP), facilitando la interpretación del desempeño y de la contribución de las variables predictoras. Además, incorpora opciones configurables para hiperentrenamiento (hyperparameter tuning) y técnicas de sobremuestreo (oversampling), que pueden activarse de forma independiente o combinada durante el proceso de entrenamiento. El proyecto se enmarca en la predicción de puntajes Bayley (PDI y MDI) a partir de datos clínicos, perinatales y antropométricos, apoyando la identificación temprana de factores de riesgo y la toma de decisiones informadas en contextos clínicos reales.

  • R language
  • Shiny

Artículos

  1. Machine Learning aplicado a la predicción del neurodesarrollo infantil. Construcción de modelos supervisados (Random Forest y XGBoost) para predecir puntajes Bayley (PDI y MDI) a partir de datos clínicos, perinatales y antropométricos. El proyecto abarcó limpieza y preparación de datos, manejo de desbalance, feature selection y optimización de hiperparámetros, identificando variables tempranas con alto poder predictivo. Los resultados muestran cómo el Machine Learning puede apoyar la estratificación de riesgo y la toma de decisiones en contextos clínicos reales.

Sobre mí

Soy Ingeniero en Ciencias de la Computación y recién egresado de la Maestría en Ciencias de Datos e Información en INFOTEC, Centro Público de Investigación del Gobierno Federal de México. Mi formación combina desarrollo de software con análisis de datos, lo que me permite abordar problemas desde una perspectiva técnica y estructurada.

He trabajado como desarrollador full-stack en contextos empresariales y de producto, participando en el diseño e implementación de aplicaciones web, bases de datos y APIs. Esta experiencia me dio una comprensión práctica de los sistemas reales: cómo se construyen, cómo evolucionan y cómo las decisiones técnicas impactan en usuarios y organizaciones.

Actualmente mi enfoque está en Machine Learning y análisis de datos, con interés tanto en la aplicación práctica como en la investigación. Me interesa construir soluciones basadas en datos que sean técnicamente sólidas, interpretables y útiles en contextos reales, especialmente cuando el problema exige rigor metodológico y pensamiento crítico.

Francisco Ferrusca