Datos públicos
- Nombre
- Antonio Luis Bañón
- Titular
- Data Engineer e Inteligencia Artificial aplicada
- Ubicación
- Madrid, España
- cv@aluisbanon.com
Perfil estructurado
Antonio Luis Bañón
Data Engineer e Inteligencia Artificial aplicada
Esta página ofrece una versión estructurada del perfil profesional para sistemas ATS, motores de búsqueda y herramientas automatizadas. La información puede consultarse directamente sin completar formularios ni proporcionar datos personales.
Resumen profesional
Data Engineer con experiencia en banca y telecomunicaciones, especializado en ETL, calidad y modelado de datos, y actualmente orientado a construir soluciones de Inteligencia Artificial aplicada sobre bases de datos fiables. Mantiene su rol principal como Data Engineer e impulsa el uso responsable de IA interna como embajador de AI Forward.
Experiencia profesional
Data Engineer
Procesos ETL, ingesta, controles de calidad y modelado de datos con PowerDesigner. Trabajo con Python, PySpark, Scala, Git, Control-M, herramientas de despliegue y planificación, Agile, JIRA y mentalidad DevOps. Responsabilidad adicional como embajador de AI Forward para promover el uso responsable de herramientas y proyectos internos de IA.
Analista y Desarrollador de Software
Análisis de datos, comunicación con cliente, documentación técnica y funcional, procesos Linux, ETL, migración de aplicaciones, Python y PL/SQL.
Desarrollador de Software
Mantenimiento de aplicaciones Big Data, procesos ETL de extremo a extremo en Qlik Sense, desarrollo y mantenimiento de Qlik Sense, requisitos de negocio, administración de QMC y metodologías ágiles.
Educación
Máster Universitario en Inteligencia Artificial
UNIR
Máster en Big Data & Business Intelligence
Next International Business School · Universitat de Lleida
Grado en Ingeniería de Sistemas de Telecomunicación
Universidad de Málaga
Certificaciones
Competencias técnicas
dataEngineering
programming
operations
domains
Áreas de conocimiento en IA
- Machine Learning: análisis exploratorio, valores ausentes, normalización, regresión, clasificación, árboles de decisión, SVM, Naive Bayes, Random Forest, evaluación de modelos, validación cruzada e hiperparámetros.
- NLP: tokenización, normalización, POS tagging, análisis sintáctico y semántico, modelos de lenguaje, embeddings, transformers, BERT, question answering, resumen y agentes conversacionales.
- Razonamiento y planificación: agentes inteligentes, representación del conocimiento, lógica, búsqueda, heurísticas, STRIPS, PDDL, HTN y planificación multiagente.
- Visión artificial: señal e imagen, ruido, filtrado, Fourier, morfología, segmentación, textura, extracción de características, SIFT y reconocimiento de patrones.
- Gestión de proyectos de IA: investigación, ciclo de vida, despliegue, recursos, seguridad, ética, explicabilidad y consideraciones legales.
Proyectos y líneas de exploración
Pipeline de datos para analítica e IA
Caso de uso basado en experiencia con ETL, ingesta, validaciones de calidad, modelado y planificación para habilitar analítica y posibles aplicaciones de IA.
Automatización inteligente
Exploración de asistentes, agentes y herramientas de IA para apoyar tareas repetitivas, documentación, análisis y flujos internos con seguridad y trazabilidad.
Asistente RAG sobre documentación técnica
Propuesta conceptual para consultar documentación técnica mediante segmentación, embeddings y recuperación de contexto.
Clasificación y evaluación de modelos supervisados
Trabajo académico centrado en preparación de datos, comparación de algoritmos y evaluación con métricas, validación cruzada e hiperparámetros.