Acerca de Mí
¡Hola! Me llamo Iñaqui Paladino Bravo, tengo 24 años y soy de Tandil, Buenos Aires, Argentina.
Diseño e implemento sistemas de IA aplicada en producción. Trabajo en la intersección entre la ingeniería de software y el comportamiento de los modelos, combinando profundidad técnica en NLP (embeddings, RAG, reranking) con arquitecturas cloud-native en AWS.
Me enfoco en el desarrollo de soluciones "end-to-end": desde el diseño de pipelines semánticos y la optimización de latencia en inferencia multi-GPU, hasta la orquestación de bases de datos vectoriales y el despliegue serverless event-driven (IaC con Terraform).
Construyo sistemas asumiendo el ownership completo del producto. En entornos críticos donde el error cuesta caro, priorizo la resiliencia: enfoques "no-loss-first", idempotencia y observabilidad de punta a punta.
Busco sumarme a equipos de alto rendimiento donde el estándar diario sea resolver problemas complejos a gran escala.
Experiencia
Software Engineer (Python & AWS)
- • Diseñé e implementé un pipeline serverless y event-driven en AWS para procesamiento de documentos, eliminando ~5 horas diarias de carga manual y asegurando integridad end-to-end en un entorno productivo.
- • Implementé un flujo asíncrono con SQS, S3, Lambda y DynamoDB con procesamiento idempotente multicapa (locks), escrituras condicionales, correlación de estado y reintentos vía DLQ, evitando duplicados y pérdida de datos bajo concurrencia.
- • Adopté un enfoque no-loss-first con trade-offs explícitos entre falsos negativos y positivos, reforzado por validaciones determinísticas y reglas de negocio, priorizando integridad contable en un sistema crítico.
- • Integré Amazon Textract (OCR) con lógica de extracción y validación determinística, con reglas de negocio para garantizar integridad transaccional y extracción estructurada de datos.
- • Aseguré endpoints públicos con verificación de firma HMAC-SHA256 y gestioné toda la infraestructura como código con Terraform (remote state, IAM least privilege, SSM, parametrización por entorno).
- • Implementé una estrategia de observabilidad end-to-end con AWS Powertools y CloudWatch (structured logging, custom metrics y alarmas multinivel P1-P3). Automaticé vía Terraform la creación de dashboards: un tablero Operativo para telemetría de infraestructura (manejo de concurrencia, idempotencia, tasas de error en OCR) y un tablero Ejecutivo centrado en KPIs de negocio y tendencias de confiabilidad.
AI Engineer
- • Desarollo del motor de análisis semántico de CONICET/SIGEVA: indexa +27k personas y millones de producciones científicas para búsqueda semántica, profiling automático y asignación de postulantes e ingresantes mediante NLP multi-idioma.
- • Desarrollé sistemas de recomendación para la identificación de expertos en evaluación científica, implementando un pipeline de matching de dos etapas (bi-encoder + cross-encoder) que optimiza la afinidad semántica y cumple restricciones institucionales. Diseñé una arquitectura de búsqueda híbrida sobre Qdrant, combinando embeddings densos para similitud semántica y embeddings dispersos (BM42 con FastEmbed) para coincidencias léxicas precisas.
- • Optimicé el reranker cross-encoder con forward passes manuales y precisión mixta (FP16 + autocast), logrando ~9x de speedup vía Tensor Cores (CUDA) y paralelismo multi-GPU. Resolví conflictos de dependencias entre PyTorch, onnxruntime y ROCm para que el pipeline corra de forma portable en dos entornos (CUDA y ROCm), incluyendo bibliotecas CUDA/HIP en conflicto.
- • Desarrollo de una PoC de buscador de investigadores para demandas industriales: identifica en segundos a los expertos más relevantes para un problema técnico dado.
- • Diseño de pipelines ETL concurrentes para la unificación de repositorios legados heterogéneos (Apache Solr, MySQL, PostgreSQL), desarrollando algoritmos de Entity Resolution y deduplicación determinística para consolidar millones de registros sin colisiones.
- • Orquestación de infraestructura MLOps con detección de idioma en tiempo real, estrategias de caché, y despliegue de modelos y bases de datos mediante Docker y pipelines de CI/CD (GitLab).
Software Developer
- • Diseñé, desarrollé e implementé una plataforma web educativa fullstack para soportar Recorridos de Estudio e Investigación (REIs), un enfoque didáctico orientado a preguntas generadoras que promueve el aprendizaje colaborativo y significativo en matemática.
- • Desarrollé la arquitectura core de la plataforma (Astro SSR sobre Bun) e integré un worker asíncrono en Python para la generación on-demand de reportes analíticos de clase.
- • Implementé autenticación con roles diferenciados (docentes y alumnos), almacenamiento de archivos y funcionalidades de colaboración y seguimiento.
- • Diseñé e implementé un pipeline de Applied ML para el análisis automático de datos educativos. Desarrollé un sistema de clustering semántico utilizando Sentence Transformers (SBERT) para generar embeddings, reducción de dimensionalidad con UMAP y agrupamiento mediante K-Means, permitiendo identificar patrones ocultos en las respuestas de los estudiantes y evaluar su avance.
- • Desplegué la plataforma en un piloto real con docentes y estudiantes, validando su adopción en contexto de aula.
- • Coautoricé una publicación científica con los resultados del piloto, presentada en una conferencia internacional de didáctica en Barcelona.
Ingeniero de Sistemas
- • Título intermedio: Analista Programador Universitario
- • Distinción: Recibido con honores académicos
- • Promedio general: 8.75
AWS Solutions Architect Associate (SAA-C03)
Fundamentos de Ingeniería de Software
- • Programa PILA Vitual 2023 (Intercambio académico)
- • Nota final: 9.4
Proyectos
Agente Autónomo con capacidad de razonamiento e integración RAG. Orquestado con LangChain y memoria persistente para mantener el contexto de la conversación. Su arquitectura 100% automatizada con Terraform es fuertemente desacoplada: una API Serverless en AWS pay-per-use interactúa con una interfaz de filtros dinámicos y una base vectorial Qdrant de cómputo efímero, resultando en un producto fácilmente extensible y optimizado en costos.
Analista financiero virtual sobre arquitectura Serverless en AWS. Monitorea y analiza el mercado en X (ex Twitter) mediante un flujo totalmente desacoplado y orientado a eventos. La infraestructura está definida íntegramente con Terraform (IaC). La orquestación corre por cuenta de EventBridge, que dispara tareas efímeras en ECS Fargate Spot para la extracción robusta de datos (manejo de sesiones reales y evasión de bloqueos), seguido de un procesamiento asíncrono en Lambda que utiliza Modelos de Lenguaje (LLMs) para la redacción de informes contextuales. El frontend opera bajo un modelo Git-based CMS: cada reporte dispara un pipeline de GitHub Actions que despliega el sitio estático globalmente vía CloudFront.
Solución serverless para transferencia efímera y segura de archivos sobre AWS. Incluye un CLI para generar enlaces temporales de carga y descarga con el uso de S3 Pre-Signed URLs, encapsulados en interfaces HTML desechables, sin backend persistente. La infraestructura está definida íntegramente con Terraform (IaC), utilizando estado remoto y ejecución mediante IAM AssumeRole en un entorno multi-account, donde la Hosted Zone de Route53, el backend de Terraform y la validación de certificados ACM residen en la cuenta de management (AWS Organization). La seguridad perimetral se garantiza mediante CloudFront con Origin Access Control (OAC), manteniendo los buckets estrictamente privados con terminación TLS/SSL.
Fork de la solución oficial de AWS Labs para Dynamic DNS serverless con Route53. Sobre la base original implementé mejoras orientadas a uso real con routers residenciales y dispositivos legacy: endpoint compatible con protocolo DynDNS (/nic/update), soporte de HTTP/HTTPS mediante CloudFront, autenticación por Basic Auth y tokens temporales para actualización desde navegador.
Plataforma web tipo classroom diseñada para apoyar la enseñanza mediante Recorridos de Estudio e Investigacion (REIs), organizando el aprendizaje en torno a preguntas y respuestas. Permite colaboración en tiempo real, seguimiento del progreso académico y análisis automático de datos educativos mediante técnicas de IA. Actualmente es utilizada por docentes y estudiantes en contextos reales de aula, y su desarrollo dio lugar a una publicación científica en el marco de una conferencia internacional de didáctica.
Usuario: usuario@demo.com Contraseña: password
Infraestructura personal en la nube
Configuración y mantenimiento de una infraestructura autoalojada en la nube sobre un VPS (DigitalOcean), utilizada para el despliegue y monitoreo de múltiples apps personales mediante Coolify. Incluye una VPN privada (WireGuard) para comunicación segura entre dispositivos, un servidor S3 self-hosted (MinIO) con control de accesos y expiración de enlaces, y una instancia de N8N para orquestar flujos de trabajo complejos. También se implementó configuración avanzada de firewall, DNS, dominios personalizados, proxy inverso y certificados SSL.
Proyecto desarrollado como parte de la cursada de Diseño de Compiladores 1 2023. Consiste en un compilador de un lenguaje de programación propio. El compilador fue desarrollado en Java utilizando la herramienta YACC, y el codigo de salida es ensamblador para la arquitectura x86 (pentium 32 bits).
