Foto de Ezequiel Garibotto

Ezequiel Garibotto

Desarrollador Junior Full-Stack de IA Aplicada | AI Engineering, Backend & Datos

Creé en solitario ProString Manage, un SaaS en producción

Barcelona, España · Abierto a España, UE y remoto

Applied AI: IA dentro de un producto. Ámbito: desde la llamada al LLM hasta la interfaz que usa el cliente final. Incluye flujos de trabajo agénticos: cadenas de llamadas a LLM que automatizan una tarea. Ejemplos de mis proyectos: • Facts: resúmenes de noticias neutrales generados con LLM dentro de una app Android • Chatbot de carrito de compra con LangGraph: reconocimiento de intención, estado de la conversación y validaciónAI Engineering: trabajar en los modelos y sistemas que hay detrás de las funciones de IA, no solo usarlos en un producto. Ámbito: más amplio que Applied AI. Según la empresa, llega también a la infraestructura (MLOps) o al ajuste fino de modelos. Ejemplos de mis proyectos: • AI & Big Data: CNNs con Keras y PyTorch • Modelos de precios de vivienda (Random Forest, XGBoost, grid search) servidos con una API Flask • Facts: pipeline de embeddings y clustering semántico sobre más de 10 feeds de noticiasAgentic Development: usar agentes de IA (planner, subagentes, skills, servidores MCP) para construir software. Forma parte de Applied AI y del desarrollo asistido por IA. No es lo mismo que construir sistemas de agentes (Agentic AI). Ejemplos de mis proyectos: • ProString: agent harness propio con subagentes, skills, hooks y memoria persistente • 7 servidores MCP con acceso de mínimo privilegio (Supabase, GitHub, Stripe, Context7, Chrome DevTools, Hostinger, Laravel Boost) • Informes de coste de tokens por cada puerta de release • Análisis de competencia asistido por LLM que alimenta la hoja de rutaData Engineering: dejar los datos listos para usar. Ámbito: termina en un conjunto de datos limpio y fiable: ingesta, parseo, controles de calidad y programación de tareas. Ejemplos de mis proyectos: • Facts: scraping de más de 10 feeds RSS y un pipeline ETL con parseo XML • ProString: ingesta semanal de datasets públicos con pg_cron y Edge Functions • ProString: pipeline de importación con detección de columnas, de-duplicación de catálogo y puntuación de confianzaAgentic AI: construir los propios agentes. Ámbito: llega hasta el runtime del agente: su fiabilidad, la evaluación de su comportamiento y su escalabilidad (frameworks de agentes, arquitecturas planner-executor, orquestación multiagente, estado multi-turno). Ejemplos de mis proyectos: • Ninguno construido todavía • Planificado para ProString: los reportes de bug críticos disparan un arreglo propuesto por un LLM que reviso y apruebo, y las incidencias, emails y feedback se envían a la persona o grupo adecuado

Proyectos

Ámbito
Applied AI: IA dentro de un producto. Ámbito: desde la llamada al LLM hasta la interfaz que usa el cliente final. Incluye flujos de trabajo agénticos: cadenas de llamadas a LLM que automatizan una tarea. Ejemplos de mis proyectos: • Facts: resúmenes de noticias neutrales generados con LLM dentro de una app Android • Chatbot de carrito de compra con LangGraph: reconocimiento de intención, estado de la conversación y validaciónAI Engineering: trabajar en los modelos y sistemas que hay detrás de las funciones de IA, no solo usarlos en un producto. Ámbito: más amplio que Applied AI. Según la empresa, llega también a la infraestructura (MLOps) o al ajuste fino de modelos. Ejemplos de mis proyectos: • AI & Big Data: CNNs con Keras y PyTorch • Modelos de precios de vivienda (Random Forest, XGBoost, grid search) servidos con una API Flask • Facts: pipeline de embeddings y clustering semántico sobre más de 10 feeds de noticiasAgentic Development: usar agentes de IA (planner, subagentes, skills, servidores MCP) para construir software. Forma parte de Applied AI y del desarrollo asistido por IA. No es lo mismo que construir sistemas de agentes (Agentic AI). Ejemplos de mis proyectos: • ProString: agent harness propio con subagentes, skills, hooks y memoria persistente • 7 servidores MCP con acceso de mínimo privilegio (Supabase, GitHub, Stripe, Context7, Chrome DevTools, Hostinger, Laravel Boost) • Informes de coste de tokens por cada puerta de release • Análisis de competencia asistido por LLM que alimenta la hoja de rutaAgentic AI: construir los propios agentes. Ámbito: llega hasta el runtime del agente: su fiabilidad, la evaluación de su comportamiento y su escalabilidad (frameworks de agentes, arquitecturas planner-executor, orquestación multiagente, estado multi-turno). Ejemplos de mis proyectos: • Ninguno construido todavía • Planificado para ProString: los reportes de bug críticos disparan un arreglo propuesto por un LLM que reviso y apruebo, y las incidencias, emails y feedback se envían a la persona o grupo adecuadoData Engineering: dejar los datos listos para usar. Ámbito: termina en un conjunto de datos limpio y fiable: ingesta, parseo, controles de calidad y programación de tareas. Ejemplos de mis proyectos: • Facts: scraping de más de 10 feeds RSS y un pipeline ETL con parseo XML • ProString: ingesta semanal de datasets públicos con pg_cron y Edge Functions • ProString: pipeline de importación con detección de columnas, de-duplicación de catálogo y puntuación de confianza

Mostrando 7 proyectos de 15 · más relevantes primero

Ordenar por:

Experiencia profesional

ProString Manage logo

ProString Manage

Desarrollador Junior de IA Aplicada

5/2026 - actualidad (5 meses)

•

Remoto

Diseño, desarrollo y despliegue en solitario de una aplicación web SaaS multi-tenant para talleres de encordado de raquetas y gestión de torneos, combinando un frontend Vue 3 + Vite con un backend serverless en Supabase, construida con un agent harness propio. • Diseñé una arquitectura dual (Torneo / Tienda) con 23 Pinia stores, 45+ vistas, 230+ componentes y 70+ composables en Vue 3 + TypeScript • Apliqué aislamiento de datos por tenant/rol con 180+ políticas de Row-Level Security, validación de precios del lado del servidor y operaciones atómicas, además de MFA TOTP con AAL2 exigido a nivel de base de datos • Implementé RBAC con 2 modos, 3 roles y 29 features con 130+ permisos granulares • Construí un backend serverless con 23 Edge Functions en Deno y 80+ RPCs transaccionales en PL/pgSQL que cubren ciclo de vida de usuarios, autenticación, envío de emails, provisionamiento demo y provisionamiento automático de tenants mediante webhooks de Stripe (4 planes, descuentos para miembros GRSA) • Implementé facturación: numeración consecutiva asignada por el servidor, facturas emitidas inmutables garantizadas por triggers de base de datos con correcciones mediante facturas rectificativas y formatos de factura para 7 países • Desarrollé pipelines de datos: ingesta semanal programada de datasets públicos con pg_cron y Edge Functions, un motor de informes configurable, snapshots con retención y restauración, y un pipeline de importación con auto-detección de columnas, detección de splits, de-duplicación de catálogo y confidence scoring • Entregué una UX optimizada para torneos en vivo: entrada de pedidos orientada a teclado con salto automático entre campos, impresión de recibos y etiquetas con un clic mediante QZ Tray y ESC/POS (sin diálogo de impresión del navegador) y sincronización con Supabase Realtime con caché a nivel de store • Mantuve la calidad con 1.500+ tests automatizados, 8 workflows de CI/CD en GitHub Actions y validación de migraciones desde cero; localicé la interfaz en 6 idiomas con un sistema de overrides de traducciones por tenant • Construí un agent harness propio: subagentes, skills, hooks y memoria persistente, con 7 servidores MCP (Supabase, GitHub, Stripe, Context7, Chrome DevTools, Hostinger, Laravel Boost) con acceso de mínimo privilegio • En curso: asistente RAG reforzado frente a prompt injection, importación de datos y generación de analíticas asistidas por LLM, y pipelines en Python que agregan datos públicos de tenis
Applied AIen cursoApplied AI: IA dentro de un producto. Ámbito: desde la llamada al LLM hasta la interfaz que usa el cliente final. Incluye flujos de trabajo agénticos: cadenas de llamadas a LLM que automatizan una tarea. En este proyecto: • En curso: asistente de ayuda con RAG • En curso: importación de datos y analíticas asistidas por LLMAgentic AIplanificadoAgentic AI: construir los propios agentes. Ámbito: llega hasta el runtime del agente: su fiabilidad, la evaluación de su comportamiento y su escalabilidad (frameworks de agentes, arquitecturas planner-executor, orquestación multiagente, estado multi-turno). En este proyecto: • Planificado: los reportes de bug críticos disparan un arreglo propuesto por un LLM que reviso y apruebo • Planificado: incidencias, emails y feedback enviados a la persona o grupo adecuadoAgentic DevelopmentAgentic Development: usar agentes de IA (planner, subagentes, skills, servidores MCP) para construir software. Forma parte de Applied AI y del desarrollo asistido por IA. No es lo mismo que construir sistemas de agentes (Agentic AI). En este proyecto: • Agent harness propio: subagentes, skills, hooks y memoria persistente • 7 servidores MCP con acceso de mínimo privilegio (Supabase, GitHub, Stripe, Context7, Chrome DevTools, Hostinger, Laravel Boost) • Informes de coste de tokens por cada puerta de release • Análisis de competencia asistido por LLM que alimenta la hoja de rutaData EngineeringData Engineering: dejar los datos listos para usar. Ámbito: termina en un conjunto de datos limpio y fiable: ingesta, parseo, controles de calidad y programación de tareas. En este proyecto: • Ingesta semanal de datasets públicos con pg_cron y Edge Functions • Pipeline de importación: detección de columnas, de-duplicación de catálogo y puntuación de confianza • En curso: pipelines en Python que agregan datos públicos de tenis (rankings, raquetas, marcas, modelos)Back-endFront-endSupabaseSaaSUXGitCI/CDUI
SEIDOR NTS logo

SEIDOR NTS

Asistente Técnico de Salesforce

8/2025 - 10/2025 (2 meses)

•

Barcelona, España · Híbrido

• Desarrollo de servicios y APIs (Apex) • Desarrollo web y componentes interactivos (LWC) • Soluciones low-code (Flow Builder) • Diseño de arquitectura de aplicaciones empresariales (Sales/Service Cloud) • Clases asíncronas y pruebas unitarias • Integración de servicios externos usando llamadas HTTP y Postman
ApexPostmanLightning Web ComponentsSalesforce.comCRM
Eulix logo

Eulix

Desarrollador Junior de Android

10/2024 - 4/2025 (6 meses)

•

Barcelona, España · Híbrido

Desarrollo de una aplicación que recomienda contenidos (películas, series) según la personalidad, el estado de ánimo y las preferencias del usuario. • Creé un chatbot (asistente virtual) que recomienda contenidos a partir del prompt, el estado de ánimo y el comportamiento rastreado del usuario (qué contenidos abre, cuánto tiempo se queda), y cubre el onboarding y la sección 'Cómo Funciona'. • Creé muchas pantallas nuevas, entre ellas el onboarding, y edité la mayoría de las existentes en toda la app. • Integré una API RESTful con Retrofit, trabajando con el equipo de back-end. • Coordiné con un equipo internacional en India en distintas zonas horarias.
AndroidXMLAPI IntegrationGradleAI/ML IntegrationFront-EndData BindingAndroid JetpackRetrofitKotlin DSLLiveDataAndroid SDK
TELUS Digital logo

TELUS Digital

Anotador de Datos

7/2023 - 1/2025 (1 año 6 meses)

•

España · Totalmente Remoto

• Clasifiqué, evalué y describí consultas, audio, video, imágenes y otros tipos de datos según su relevancia y calidad. • Totalmente remoto con una carga de trabajo autogestionada (sin horas semanales fijas), usando inglés profesional, conocimiento general y alfabetización digital.
EnglishJSONData AnalysisData ClassificationDigital Competence

Formación académica

Linkia FP logo

Linkia FP

Especialización en Inteligencia Artificial y Big Data

febrero 2026 - diciembre 2026 (previsto)

•

Remoto

Especialización en inteligencia artificial y big data, centrada en AI engineering y desarrollo agéntico sobre bases de aprendizaje automático y big data. • Práctica: CNNs (Keras, PyTorch) y modelos de precios de vivienda (XGBoost, grid search) servidos con una API Flask • Proyecto final en curso: regresión y clustering sobre 540K registros de e-commerce • Módulos: programación de IA, sistemas de aprendizaje automático, big data aplicado, modelos de IA, sistemas de big data y un proyecto de IA y big data Nota: 9
AI EngineeringAI Engineering: trabajar en los modelos y sistemas que hay detrás de las funciones de IA, no solo usarlos en un producto. Ámbito: más amplio que Applied AI. Según la empresa, llega también a la infraestructura (MLOps) o al ajuste fino de modelos. En este programa: • CNNs con Keras y PyTorch • Modelos de precios de vivienda (Random Forest, XGBoost, grid search) servidos con una API Flask • En curso: proyecto final de regresión y clustering sobre datos de e-commerceDeep LearningPythonBig DataExploratory Data Analysis (EDA)Data ScienceMachine LearningNeural NetworksComputer VisionKerasTensorFlowPyTorch
Institut Tecnològic de Barcelona (ITB) logo

Institut Tecnològic de Barcelona (ITB)

Desarrollo de Aplicaciones Multiplataforma - Sistemas Inteligentes (DAMi)

2023 - 2025

•

Nou Barris, Barcelona, España

Grado superior de desarrollo de aplicaciones móviles y web, con énfasis en metodología Agile y Scrum. • Kotlin, Jetpack Compose / XML, Retrofit, para desarrollo Android • Machine Learning, Web Scraping, Sentiment Analysis, Algoritmos de Clasificación, Decisión y Predicción • Gestión de bases de datos SQL y NoSQL como PostgreSQL, MongoDB y Firebase • Comunicaciones cliente-servidor con Ktor, lectura de ficheros, acceso a datos • Participación en concursos de programación competitiva, usando Java y Kotlin Nota: 9.08
PythonAndroidSQLGitMachine LearningJavaKotlinAWSCloudNoSQLDockerCI/CD
Universitat Pompeu Fabra (UPF) logo

Universitat Pompeu Fabra (UPF)

Ingeniería en Sistemas Audiovisuales

2021 - 2022 (formación académica interrumpida)

•

Barcelona, España

Grado en ingeniería en sistemas audiovisuales con enfoque en fundamentos teóricos y prácticos de la informática, incluyendo programación, algoritmos y estructuras de datos.
PythonC++MatLabProcessingCollabOOPCisco Packet TracerAssembly
Ramón Berenguer IV (RB4) logo

Ramón Berenguer IV (RB4)

Bachillerato Tecnológico

2019 - 2021

•

Santa Coloma de Gramenet, España

Bachillerato con enfoque en ciencias y tecnología, preparando para estudios superiores en ingeniería y desarrollo de software.
ExcelPythonScratch