Soy Lenin Fonseca. Estoy orientando mi carrera hacia Data Science y Analytics desde una experiencia previa sólida en calibración, metrología, trazabilidad y automatización. En mi puesto más reciente he coordinado la operativa de dos laboratorios y he desarrollado mejoras internas con Python y SQLite, combinando análisis, documentación técnica y resolución de problemas en entornos reales.
Tres proyectos de datos pensados para un perfil junior sólido y un proyecto técnico de software con base de datos real.
Proyecto end-to-end orientado a scoring de riesgo y estimación de expected loss. Incluye limpieza de datos, análisis exploratorio, feature engineering, baseline, comparación de modelos y lectura de resultados para apoyar decisiones de negocio.
Pipeline de analítica con base de datos, consultas SQL, métricas clave y dashboard ejecutivo. Diseñado para mostrar una línea híbrida entre Data Analyst y Data Scientist Junior, con foco en KPIs, reporting y visualización.
Sistema de analítica aplicado a gestión de capitales, centrado en medir consistencia, disciplina y rendimiento. Analiza métricas como expectancy, drawdown, MAE/MFE, sesgos por sesión y cumplimiento de reglas.
Aplicación local para validar, clasificar y hacer seguimiento de leads comerciales. Desarrollada con Java, JDBC, MySQL y XML/XSD, con arquitectura por capas, CRUD real y documentación por módulos.
La combinación entre formación en desarrollo y ciencia de datos y experiencia técnica real en laboratorio define el enfoque de este perfil.
En mi experiencia más reciente he sido responsable de la gestión operativa de dos laboratorios, coordinando cargas, procedimientos y control de calidad en entornos de calibración y metrología. Además de la parte técnica, he impulsado mejoras internas de trazabilidad y automatización con Python y SQLite, así como flujos de documentación y registro estructurado de datos.
Mi interés está en proyectos donde los datos no se queden en un notebook, sino que ayuden a entender mejor un proceso, mejorar una operación o construir una herramienta útil. Por eso mis proyectos buscan mantener una línea clara: problema definido, datos trabajados con criterio, comparación de enfoques, métricas comprensibles y documentación reproducible.
Me siento especialmente cómodo en trabajos que mezclan análisis, bases de datos, automatización, visualización y contexto técnico. Esa combinación es la que quiero seguir desarrollando en mi transición hacia Data Science y Analytics.
Python, pandas, NumPy, scikit-learn, statsmodels
SQL, PostgreSQL, MySQL, SQLite
Plotly, Streamlit, dashboards interactivos
Java, JDBC, XML/XSD, Git, GitHub
Disponible para oportunidades junior en Data Science, Analytics o roles híbridos orientados a datos y automatización.
Barcelona, España