Mantenimiento predictivo con ciencia de datos: cómo anticipar fallas antes de que ocurran

Licenciado en Ingeniería en Ciencias de la Computación, actualmente cursa una Maestría en Inteligencia Artificial Aplicada en México, fortaleciendo su formación en ciencia de datos, aprendizaje automático, inteligencia artificial y soluciones analíticas aplicadas a entornos organizacionales. Su perfil resulta pertinente para el Programa de Certificación en Ciencia de Datos aplicada al Mantenimiento Predictivo, por su base tecnológica y orientación al uso de datos para la toma de decisiones. Cuenta con más de 17 años de experiencia profesional en el desarrollo, operación y administración de sistemas de información institucionales, bases de datos y plataformas tecnológicas. Ha participado en proyectos vinculados al análisis, implementación y mejora de sistemas para la gestión de información financiera, asegurando trazabilidad, consistencia y disponibilidad de datos críticos. Asimismo, ha ocupado el cargo de Analista de Sistemas en organizaciones y proyectos para Banco de México, Grupo Financiero Inbursa, Afore Inbursa, SAT, Qualitrain, Ironbit y Randstad México. Posee formación complementaria en ciencia de datos, inteligencia artificial, bases de datos, desarrollo seguro y metodologías ágiles. Ha llevado el Bootcamp de Data Science & AI en Le Wagon, con formación en Python, estadística aplicada, machine learning, deep learning y MLOps; además, cuenta con cursos en almacenamiento y operación de datos, MongoDB, SQL Server Administration, Java, SOA, Spring Framework, Scrum y Agile. Asimismo, registra certificaciones como Sun Certified Java Programmer, Sun Certified Java Web Developer, Scrum Master y Scrum Developer. Actualmente se desempeña como Encargado de Análisis , Gestión y mejora de Sistemas en el Banco de México, donde desarrolla funciones vinculadas a sistemas institucionales y gestión de información crítica.