ML Engineer · Computer Vision & LLMs
Llevo modelos de visión y lenguaje de la investigación a producción: detección y segmentación de defectos industriales, OCR multimodal ajustado con LoRA y sistemas RAG. Físico y matemático de formación: me importa entender por qué funciona un modelo antes de desplegarlo.
Elche, Alicante, España
Físico y matemático especializado en ingeniería de Machine Learning y Computer Vision. Llevo modelos de visión y lenguaje a producción real: del dato al despliegue con Docker, vLLM y MLflow. Me interesa entender los modelos a fondo, no solo entrenarlos. Cuando no estoy entrenando modelos, escribo sobre física, caos y meteorología en este blog.
...
Experiencia
1
Publicaciones
5
Open source
Un filtro diferenciable de ~2 KB que corrige el cambio de iluminación antes de que la imagen llegue a un detector congelado. Sin reentrenar, sin etiquetas, minutos en CPU.
Arquitectura LLM + RAG que construye una ontología verificada de forma incremental y la usa para detectar afirmaciones falsas en películas, podcasts y textos. Publicado en DCAI'25.
Detección y segmentación de defectos (CNNs, ViT, YOLO, RF-DETR) y lectura de flancos con GLM-OCR ajustado con LoRA, en producción en VRAIA. Servido con vLLM y Docker.
Adaptación del modelo multimodal GLM-OCR con LoRA (LLaMA-Factory) para devolver JSON estructurado a partir de la imagen de un ticket o una factura. Inferencia 100 % local.
Entrenamiento, evaluación y extracción de embeddings con backbones ViT de Meta: fine-tuning completo, linear probe o extractor de características, con métricas por clase y checkpoints.
Miles de retrotrayectorias HYSPLIT sobre ERA5 y clustering DBSCAN para localizar bloqueos por el estancamiento real del aire, sin umbrales eulerianos. Validado en las olas de calor de 2003 y 2019.
Agente de consola 100 % local con herramientas nativas (ficheros, búsqueda web, ejecución de Python) y RAG sobre documentos propios con ChromaDB.
Llevo a producción modelos de detección y segmentación de defectos (CNNs, ViT, YOLO, RF-DETR) y un OCR multimodal (GLM-OCR) para inspección industrial de neumáticos: mAP@50:95 de 0,83 y 98,56% de exact match leyendo flancos.
Escribo sobre este trabajo en OCR en condiciones extremas y CNNs vs Vision Transformers.
Investigación en NLP y LLMs: una arquitectura de detección de desinformación basada en ontologías generadas con LLMs (publicada en DCAI'25), pipelines RAG y sistemas multiagente, además de proyectos de visión por computador.
Publicación: paper en DCAI'25.
Desarrollé métodos lagrangianos para identificar automáticamente situaciones de bloqueo atmosférico: la base de mi TFG y de una publicación en desarrollo.
Lo cuento en detalle en Bloqueos atmosféricos, punto de vista lagrangiano.
Cómo construimos, en un trabajo publicado en DCAI'25, un sistema que genera automáticamente una base de conocimiento (ontología) con LLMs y RAG, y la usa para detectar información falsa en películas, podcasts y otros formatos de ficción.
Qué pasa cuando llevas el OCR a un entorno industrial real —texto en relieve negro sobre negro, polvo, brillos y cadencia de línea— y qué aprendí probando GLM-OCR, un modelo multimodal de 0.9B parámetros que corre en local
Un recorrido por la interpretabilidad en visión por computador: filtros clásicos, mapas de características, Grad-CAM y atención. Y por qué visualizar lo que ve tu modelo no es opcional en producción
Universidad de Salamanca
Beca de movilidad nacional.
AWS Cloud Technical Essentials
Amazon Web Services
Build Basic Generative Adversarial Networks (GANs)
DeepLearning.AI
Introduction to Front-End Development
Meta
Cambridge English B1 Preliminary
Cambridge Assessment English
AI-Powered Ontology-Based Architecture for Misinformation Detection in Fiction Works
Marcos Arias-González, Juan Manuel Ruiz Muñoz, Pablo Armenteros Cosme, Lucía Isabel Rodríguez González, Javier Curto Hernández
BISITE Research Group, Universidad de Salamanca · Proyecto TRUESTORIES (CPP2021-008358)
¿Tienes un problema de visión por computador o de LLMs que llevar a producción? Escríbeme.
