En noviembre de 2022, cofundé biometrio.earth con colegas de México y Alemania. El objetivo, ser el socio más confiable para la evaluación y el monitoreo de la biodiversidad, logrando así un impulso y transición hacia una economía sostenible. En biometrio.earth entregábamos a nuestros clientes informes sobre el estado del ecosistema del proyecto local. Nuestros clientes estaban en el (controvertido) mercado voluntario de carbono, en el aspecto de biodiversidad, como compradores, vendedores, desarrolladores de proyectos, o quienes querían obtener rendimientos de sus inversiones en este mercado.
Tuve el cargo principal de líder de tecnología y me incorporé a equipos que requerían experiencia técnica. Mis funciones incluyeron arquitecto de software, desarrollador, ingeniero, científico e ingeniero de datos.
Operábamos proporcionando el servicio de proveedor de datos, recopilando y procesando información de diversas fuentes. Generamos productos que consistieron desde reportes en PDF hasta el acceso a nuestro dashboard. Esto nos permitió resolver una de las necesidades de nuestros clientes en cuanto al análisis de información sobre la biodiversidad de su proyecto.
Algunos ejemplos de los datos de imágenes y video de cámaras trampa que se recopilaron se muestran a continuación:
Los datos de audio eran uno de los conjuntos de datos más complejos de procesar y analizar debido a la gran cantidad de información que recibíamos cada mes durante el proyecto. Cada entrega de una grabadora generaba alrededor de 35 GB cuando se grababan todos los días de un mes. Esto requería un procesamiento a gran escala con una arquitectura de microservicios. A continuación puedes escuchar y ver videos de espectrogramas de 2 localizaciones diferentes.
Con todo el procesamiento de datos, reportábamos:
Utilizamos procesamiento con inteligencia artificial (AI) y aprendizaje automático (ML) para identificar los animales capturados por los sensores instalados en campo. Usamos cómputo en la nube de AWS para el procesamiento de datos y la implementación de servicios. Para saber más sobre las tecnologías que conozco ir a: tecnología
Firmamos contratos a largo plazo con WWF y TreeO. Nos asociamos con CreditNature y nos convertimos en el nuevo proveedor de monitoreo de la fundación PlanVivo.
Debido a desafíos financieros, biometrio.earth decidió no continuar con el negocio. Aun así, sus miembros y yo aprendimos mucho de esta experiencia. En particular, aprendí a poner en práctica habilidades de liderazgo y gané más experiencia en arquitectura de software, desarrollo e ingeniería.
CONABIO significa Comisión Nacional para el Conocimiento y Uso de la Biodiversidad y fue fundada en 1992 mediante decreto presidencial. Sus principales actividades se relacionan con:
Trabajé como desarrollador e ingeniero geoespacial en el proyecto MAD-Mex para producir mapas de cobertura de suelo y de cambio de cobertura de suelo a escala nacional usando imágenes satelitales.
El primer mapa es una cobertura de suelo LANDSAT del año 2000 con 32 clases de INEGI. El segundo mapa es cobertura de suelo RapidEye del año 2015 con 32 clases de INEGI. Los datos de entrenamiento para ambos mapas usaron series de tiempo de INEGI.
Aquí puedes visualizar uno de los mapas de cobertura del suelo producidos en este proyecto para la región de la Lacandona, en el estado de Chiapas, al sureste de México. Es un mapa de cobertura del suelo de 2015 usando imágenes RapidEye con series de tiempo de datos de entrenamiento de INEGI agregadas a 9 clases.
Para la generación de productos utilizamos conjuntos de datos ASTER, DEM/Pendiente, ESA WorldCover, Landsat, RapidEye y Sentinel. Los datos de entrenamiento usaron series de tiempo de INEGI.
Utilizamos procesamiento con inteligencia artificial (AI) y aprendizaje automático (ML) para generar mapas de cobertura. El paquete de software antares3 se utilizó para producir estos mapas. Usamos cómputo en la nube de AWS para el procesamiento de datos y la implementación de los servicios. Para saber más sobre las tecnologías que conozco ir a: tecnología
Parte de mis responsabilidades consistieron en realizar y facilitar talleres en regiones de América Latina para capacitar a personas, en colaboración con CONABIO y otras instituciones mexicanas.
Mi tiempo en CONABIO me dio experiencia práctica en desarrollo de software, procesamiento de datos y conservación ambiental.
Fundada en 1946, el ITAM está posicionada entre las mejores instituciones tecnológicas mexicanas por sus estudiantes, profesores y su trabajo de investigación.
Uno de mis principales deseos era compartir lo que aprendí como estudiante y devolver lo que el ITAM me enseñó. Por lo tanto, en 2013 empecé a trabajar como docente mientras todavía era estudiante de maestría.
Disfruté mi tiempo en ITAM haciendo demostraciones matemáticas tanto siendo estudiante como siendo docente. Aquí presento una demostración sencilla para elipsoides (conjuntos convexos) y matrices simétricas definidas positivas. Estas notas las utilicé para escribir un libro de texto electrónico para los cursos de la maestría en ciencia de datos en ITAM.
Aquí presento una sección de mi libro de texto que escribí mientras fui docente. Está disponible en la liga y contiene mis 10 años como docente y mis 5 años como estudiante de licenciatura y maestría. Es un libro de optimización numérica con enfoque en ingeniería.
Como parte de las iniciativas de la maestría en ciencia de datos, el ITAM decidió fundar el centro de datos en 2015. Su objetivo principal era invitar a estudiantes de ciencia de datos para proyectos con impacto social. Colaboré con él durante los años 2021-2022 como líder de ingeniería en dos proyectos con una perspectiva social. En uno de los proyectos se usaron tecnologías de inteligencia artificial (IA) y aprendizaje automático (ML) para analizar patrones de diseño textil de pueblos indígenas e identificar si compañías comerciales los usaban. El otro analizó imágenes publicadas en periódicos digitales y redes sociales sobre el cambio climático a lo largo de los últimos 20 años. Los repositorios Git están en kemtil, nanook y la infraestructura de software que usamos está en: kube_cdas En el centro de datos usamos cómputo en la nube de AWS para el procesamiento de datos y la implementación de los servicios.
Durante mis 10 años como docente, impartí cursos acerca de:
Aquí enlisto algunos de mis proyectos personales, que sigo mejorando mientras disfruto aprender herramientas y tecnologías nuevas::
Creo que todos los proyectos tecnológicos deberían tener el flujo de autorización OAuth 2.0. Esta función de ciberseguridad puede habilitarse de acuerdo con el contexto de cada proyecto. Por lo tanto, como parte de mi aprendizaje del flujo de autorización OAuth, implementé una llamada simple de API desde un frontend.
Quería llamar de forma segura un modelo de código abierto servido por Ollama detrás de Nginx y OpenID Connect desde un despliegue local para comprender mejor los requisitos de cómputo y en qué punto estamos en este tema. Creo que los LLMs son modelos prometedores que definitivamente mejorarán nuestro trabajo si se usan de manera responsable. En este ejemplo estoy usando un modelo pequeño, llama3.2.
Todavía recuerdo cuando conseguí mi primer celular y jugué el juego de la serpiente, pasando mucho tiempo intentando no chocar con la cola de la misma. Los teléfonos móviles han evolucionado mucho, pero mi interés fue disminuyendo porque empecé a usarlos más como dispositivos para jugar o para cómputo que para hablar con personas (que es para lo que un teléfono debería servir principalmente) y por su característica de ser desechables que tienen hoy en día. Aun así, desarrollé aplicaciones móviles mientras trabajaba tanto en CONABIO como en biometrio.earth, y mi interés regresó. Por eso aprendí dos lenguajes de programación móvil (Dart y Kotlin) para desarrollar la app "DogVentures". Esta app es un organizador de imágenes y videos para mi perrita Kale, a quien quiero mucho y de la que tengo una buena cantidad de imágenes y videos. Mi celular se llena muy rápido y ya no sé dónde están las imágenes y videos, ¡lo cual me frustra!
