Estudio Ciencias de la Computación y construyo proyectos propios — desde modelos de ML para el mercado argentino hasta estructuras de datos en C escritas desde cero. Me interesa el software que resuelve problemas reales.
1# predict next-day direction 2from sklearn import ensemble 3import yfinance as yf 4 5df = yf.download("AAPL") 6X, y = build_features(df) 7clf = ensemble.RandomForest(200) 8clf.fit(X, y)
Tengo 19 años y curso segundo año de Ciencias de la Computación en FAMAF (UNC, Córdoba). Elegí esta carrera porque quería la versión difícil: demostraciones, sistemas, lo que hay debajo de cada abstracción.
Mientras curso, construyo proyectos propios. Un modelo de ML que predice dirección de precios en acciones US y CEDEARs. Un portal de pacientes para un centro de neurociencias familiar, con tres roles de usuario y cumplimiento legal argentino. Una implementación de malloc() en C puro, con coalescing y detección de corrupción.
No espero terminar la carrera para construir cosas que funcionen.
Cuatro proyectos activos en producción. Distintas tecnologías con distintos enfoques.
Clasificación binaria sobre acciones US y CEDEARs: ¿sube o baja mañana? Feature engineering sobre indicadores técnicos, validación walk-forward para no mentirle a la métrica, y un backtester propio que corre sobre datos diarios. El desafío real no es el modelo — es no hacer overfitting con datos de mercado.
scikit-learn
yfinance
pandas
Portal de gestión para un centro de neurociencias familiar en Córdoba. Tres roles de usuario (paciente, profesional, admin), recetas electrónicas y cumplimiento con Ley 25.326 y Ley 26.529. Es software real, con usuarios reales, en un contexto donde un bug tiene consecuencias.
Estructuras de datos fundamentales implementadas en C puro: listas enlazadas, árboles binarios, tablas hash. Sin librerías que hagan el trabajo sucio — memoria manual, testing con valgrind, y aprender a respetar lo que malloc() te da y lo que te quita.
malloc() y free() implementados desde cero. Best-fit sobre una free list doblemente enlazada, sbrk() para crecer el heap, coalescing de bloques adyacentes y shrinking automático. Thread-safe con spinlock, detección de corrupción por magic bytes. El proyecto que más me obligó a entender cómo la memoria realmente funciona.
sbrk()
Allocator de región implementado en C desde cero — dos versiones. La primera: un solo malloc, un cursor que avanza, cero free() individuales. La segunda: reserva 1 GiB de espacio de direcciones virtuales con mmap, commitea páginas de RAM física de forma lazy a medida que el cursor avanza, y lo libera todo en un solo syscall.
mmap()
Espacio abierto. Las ideas se cocinan despacio.
próximamenteDos lenguajes. Cero exageraciones. El resto va a ir entrando con el tiempo.
El lenguaje del cursado y de los proyectos donde quiero entender cada byte: punteros, memoria manual, estructuras hechas a mano. Todo lo que enseña a respetar la máquina.
Para todo lo que se mueve rápido: análisis, modelos de ML, prototipos, scripts. El terreno donde pruebo ideas antes de bajarlas a algo más serio.
Busco una pasantía o rol junior para 2026. Si trabajás en algo donde el código importa de verdad — sistemas, ML, producto — me interesa escucharte. Soy rápido aprendiendo, me banco la parte difícil y sé cuándo preguntar.
