Skip to content
View fcarruitero24's full-sized avatar

Block or report fcarruitero24

Block user

Prevent this user from interacting with your repositories and sending you notifications. Learn more about blocking users.

You must be logged in to block users.

Content in all repositories owned by your account will be closed.
Maximum 250 characters. Please don’t include any personal information such as legal names or email addresses. Markdown is supported. This note will only be visible to you.
Report abuse

Contact GitHub support about this user’s behavior. Learn more about reporting abuse.

Report abuse
fcarruitero24/README.md

Fabrizio Carruitero

Ingeniería Industrial · Ciencia de Datos · Machine Learning · Business Intelligence
Lima, Perú · LinkedIn · carruitero.fabrizio2404@gmail.com


Sobre mí

¡Hola! Soy estudiante de Ingeniería Industrial en la UPC, en Lima, y estoy muy interesado en ciencia de datos y machine learning.

Aprendo haciendo, así que casi siempre ando en algún hackathón, programa de formación o voluntariado — el más reciente, un summit de IA acá en Lima. Me gusta que los proyectos no se queden en el notebook: que terminen en una API, un panel o un mapa que alguien pueda abrir y usar.


Stack

Datos e IA
Producción
BI e Ingeniería

Proyectos

Hackathon RedPública · PNUD. Motor de ML (Random Forest, Regresión Logística, K-Means) que predice zonas de riesgo para jóvenes de 15–29 años en Lima Centro. La predicción sale del notebook por dos vías: un mapa de calor y un chatbot de WhatsApp.

Pipeline reproducible de punta a punta y su despliegue. Tres modelos comparados con validación cruzada de 5 pliegues; ante empate estadístico elegí el más simple (ROC-AUC 0.835) y lo traduje a bandas de riesgo: la banda alta se fuga a 2.35× la tasa base.

El modelo se exporta a un JSON de 2.7 KB, así que producción corre sin scikit-learn: 2 dependencias, 0.61 s de arranque en frío, 38 pruebas automatizadas y CI.

El análisis completo que dio origen al modelo vive en Customer-Churn-Prediction-End-to-End-ML-Pipeline.

Proyectos académicos UPC sobre rutas de e-commerce y control de calidad en inyección de plástico (R² 0.879 con Árbol de Decisión). El panel incluye un simulador que ejecuta un Random Forest de 100 árboles dentro del navegador, sin servidor.


Actividad

La serpiente recorriendo mi grafico de contribuciones

Se regenera sola cada dia con una GitHub Action de este repo (.github/workflows/snake.yml).


Formación

Universidad Peruana de Ciencias Aplicadas — Ingeniería Industrial, 2023–presente · énfasis en Data, ML y BI.

IBM / Coursera — Machine Learning & Data Science Professional Certificates · Sistemas UNI — Programming in Python (MTA), Algorithms and Data Structures · Udemy — Power BI: Professional Data Analysis · Microsoft AI Skills Fest 2026 · Inglés B2 (Duolingo English Test)

Popular repositories Loading

  1. UPC_projects_exams UPC_projects_exams Public

    Proyectos de Machine Learning aplicados a procesos industriales y logisticos - Ingenieria Industrial UPC

    Jupyter Notebook

  2. Customer-Churn-Prediction-End-to-End-ML-Pipeline Customer-Churn-Prediction-End-to-End-ML-Pipeline Public

    End-to-end ML pipeline for customer churn prediction

    Jupyter Notebook

  3. preve-hackathon-redpublica preve-hackathon-redpublica Public

    Sistema predictivo de seguridad para juventudes urbanas en Lima: reportes por WhatsApp, NLP y ML (Random Forest, K-Means) que estiman zonas de riesgo. Hackathon RedPublica (PNUD).

    Jupyter Notebook

  4. churn-prediction-api churn-prediction-api Public

    REST API que sirve un modelo de churn sin runtime de ML: regresion logistica exportada a JSON de 2.7 KB

    Python

  5. fcarruitero24 fcarruitero24 Public

    Mi perfil de GitHub