Acerca de Mí
¡Hola! Me llamo Iñaqui Paladino Bravo, tengo 23 años y soy de Tandil, Buenos Aires, Argentina.
Soy Ingeniero de Sistemas especializado en backend y arquitecturas cloud-native. Tengo experiencia en el diseño y despliegue de sistemas orientados a eventos en AWS utilizando Infraestructura como Código (IaC) y patrones serverless, con foco en la confiabilidad, la observabilidad y la eficiencia de costos.
Actualmente diseño y opero sistemas backend y pipelines de datos de alto volumen con IA aplicada para automatización y soporte a la toma de decisiones. Trabajo en soluciones de análisis semántico, búsqueda/ranking y procesamiento inteligente de información en contextos reales.
Participo activamente en todo el ciclo de vida del software: desde el análisis de requerimientos y diseño técnico, hasta la implementación, despliegue y operación en producción.
Busco crecer en entornos de ingeniería de alto rendimiento y buena cultura, donde la profundidad técnica y el ownership sean valores clave para construir soluciones robustas.
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 observabilidad end-to-end con AWS Powertools + CloudWatch (métricas, alarmas y dashboards calibrados al volumen real).
Backend & Data Engineer
- • Desarrollo del motor de análisis semántico basado en Inteligencia Artificial (IA) para la segunda base de datos pública más grande del país (CONICET/SIGEVA), procesando y estructurando décadas de producción científica nacional.
- • Diseño de un pipeline NLP de dos etapas (bi-encoders + cross-encoders) para matching y asignación semántica de miles de perfiles.
- • Implementé un sistema de reranking con cross-encoders, acelerando la inferencia en GPU (~9x speedup) al reemplazar APIs de alto nivel por forward manual y usar precisión mixta (FP16 + autocast), aprovechando Tensor Cores y paralelismo multi-GPU para escalar.
- • Desarrollo de algoritmos de IA aplicada para matching complejo, búsqueda de expertos y conformación de comisiones técnicas.
- • Orquestación de ETL híbridos y concurrentes (Python, Solr, PostgreSQL/pgvector) con detección de idioma en tiempo real y estrategias de caché.
- • Arquitectura del puente tecnológico para vincular expertos con demandas de innovación de industrias líderes (Vaca Muerta, Globant, Mercado Libre, Meta) mediante la identificación precisa de capacidades técnicas.
- • Gestión de infraestructura y escalabilidad (MLOps) mediante Docker, pipelines de CI/CD y la integración de motores de búsqueda con bases de datos relacionales.
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.
- • Construí el núcleo de la aplicación (Astro SSR con Bun) junto con un worker asíncrono en Python para procesar automáticamente preguntas y respuestas de estudiantes, generando reportes de progreso e identificación de patrones.
- • Implementé autenticación con roles diferenciados (docentes y alumnos), almacenamiento de archivos y funcionalidades de colaboración y seguimiento.
- • Desarrollé análisis automático de datos educativos mediante embeddings y técnicas de NLP para agrupar respuestas y evaluar avances.
- • 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: 8.75
AWS Solutions Architect Associate (SAA-C03)
- • Preparación completa — examen pendiente
Fundamentos de Ingeniería de Software
- • 🌎 Programa PILA Vitual 2023 (Intercambio académico)
- • 📊 Nota final: 9.4
Tecnologías
Cloud & DevOps
AWS
Terraform
Docker
Linux
Bash
GitHub Actions
Git
Backend
Python
Postgresql
Nodejs
Apache Solr
Java
C-C++
Redis
Frontend
Astro
TypeScript
Preact
Tailwind CSS
htmx
Proyectos
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).
