Saltar al contenido
hg.Héctor GarridoCiencia de datos · Estadística · Ingeniería de datos

Ciencia de datos · Estadística · Ingeniería de datos

Héctor Garrido Henríquez

Trabajo en ciencia de datos e ingeniería de datos, con base en estadística y econometría. Desarrollo modelos de machine learning, pipelines y productos de datos con Python, R y SQL, y los llevo a producción en Google Cloud. Combino investigación aplicada, docencia universitaria y prácticas de ingeniería de software para construir sistemas reproducibles, automatizados y mantenibles.

Estructuras que aprenden

G = (V, E)

Estructuras locales, conexiones lejanas y patrones que emergen.

Ilustración conceptual · Explora las conexiones

Proyectos Independientes

Ver todos →

Portafolio + Motor RAG

App full-stack con chatbot RAG (Vertex AI / Gemini 2.5 Flash) desplegada en Cloud Run

  • Django
  • React
  • Vertex AI
  • PostgreSQL
  • Docker
Ver detalles →

manageDW — Data Warehouse SII

Paquete R con ETL, imputación IPF multi-variable y dashboard Shiny interactivo

  • R
  • R6
  • PostgreSQL
  • Shiny
  • IPF
Ver detalles →

Transmisión Asimétrica de Precios

Pipeline econométrico con TVECM, matching semántico (SBERT) y reportes automatizados

  • R
  • TVECM
  • SBERT
  • PostgreSQL
  • Econometría
Ver detalles →
Publicaciones WOS
4
Años de experiencia
10+
Posts publicados
52
Proyectos independientes
6
Vistas en YouTube
—
Commits en GitHub
—
Repositorios publicos
—

Competencias clave

¿Buscas un Data Scientist?

Estoy abierto a nuevas oportunidades profesionales en ciencia de datos, machine learning e ingeniería analítica. Puedes revisar mi trayectoria, mis proyectos, o incluso chatear con mi avatar IA.

Escribo sobre ciencia de datos aplicada, patrones de programación y aprendizajes construyendo productos analíticos.

Panel de Demanda: Cuatro Señales, Un Ranking

Este artículo técnico describe la creación de un panel de demanda unificado para productos, integrando múltiples fuentes de datos para una visión más completa que solo MercadoLibre. Se aborda el scraping de precios de Falabella.com utilizando Next.js y se detalla el intento de integración de Google Ads Keyword Planner, incluyendo los desafíos de autenticación y versiones de API. El artículo explica cómo se fusionan las señales de MercadoLibre, YouTube, Google Trends y Google Ads en un score RRF (Reciprocal Rank Fusion) y cómo se visualizan en un panel interactivo con color coding para facilita

Ecommerce Analytics

De Matches a Oportunidades: Costos, Márgenes y Precio Real

Este artículo técnico describe la evolución de un pipeline de matching entre mayoristas y retailers, enfocándose en el cálculo de la rentabilidad. Se rediseña el dashboard para mostrar oportunidades de ganancia neta, considerando costos de envío, embalaje y comisiones. Se implementa matching directo wholesale-retail con BM25 y cosine similarity, y se enriquece con datos de demanda de Mercado Libre y atributos extraídos con regex. El lector aprenderá sobre entity resolution, cálculo de márgenes y visualización de datos con React Flow y recharts.

Ecommerce Analytics

El Rediseño del Pipeline: IDs Estables, BM25 y Entity Resolution

Este artículo técnico detalla el rediseño de un pipeline de scraping y matching de productos para resolver problemas de IDs inestables y falsos positivos. Se implementa una estrategia de IDs estables para evitar duplicados, se fusionan señales de texto con BM25 y cosine similarity usando RRF, y se introduce un sistema de Entity Resolution local basado en scoring de componentes (marca, modelo, tamaño, etc.). El pipeline automatizado, desplegado en Cloud Run Job, mejoró la precisión y redujo drásticamente el tiempo de ejecución. El lector aprenderá sobre la implementación de estas técnicas y su

Ecommerce Analytics

Áreas de interés

Temas recurrentes en mi investigación y escritura.