Harold Eustaquio
AI & Data Engineer · Backend · AWS
Diseño e implemento sistemas de IA end-to-end: del modelo a la nube. Pregúntale a mi agente lo que quieras saber.
Asistente de HaroldEn mantenimientoAgente en mantenimiento
Estoy migrando la base de datos vectorial del agente. El chat vuelve pronto.
Sistemas de IA, agentes y pipelines de datos que he construido — del prototipo a producción.
Sistema de monitoreo de calidad del aire en tiempo real para Lima: un pipeline serverless en AWS que recopila, valida y visualiza datos ambientales para la toma de decisiones de salud pública.
Análisis de la conversación pública en español alrededor de un evento noticioso, clasificando emociones más allá del simple positivo/negativo.
Una CNN propia con atención y salida ordinal que gradúa la retinopatía diabética desde imágenes de fondo de ojo, optimizada para correr en una Raspberry Pi.
Convertir el modelo de la tesis en un sistema productivo: registro de modelos, CI/CD, monitoreo de drift y reentrenamiento.
Agentes, sistemas de IA y backend que he llevado a producción en entornos reales.
→ TypeScript · Node.js · Python · Temporal · Mastra · LangGraph · Pinecone · Neo4j · Redis · AWS
→ Python · SQL · PySpark · AWS S3 · Glue · Redshift · DynamoDB · Step Functions
→ Python · MQTT · AWS IoT Core · S3 · ARIMA · Isolation Forest · Z-score · WhatsApp Business API
Cómo llevo ideas a producción — con criterio, no solo herramientas.
Diseño agentes con estado y RAG multimodal sobre vectores y knowledge graphs, con routing multi-modelo por costo y complejidad.
APIs tipadas y de baja latencia sostenidas por workflows durables (Temporal), colas asíncronas e idempotencia.
Despliego y orquesto en AWS: contenedores en ECS, funciones Lambda y datalakes en S3/Glue.
CI/CD reproducible y observabilidad para saber qué pasa en producción.
Pipelines y datalakes consultables: de datos crudos a features listas para usar.
Arrástrala para girar la esfera
Soy AI & Data Engineer. Construyo agentes, pipelines de datos y sistemas de IA que no se quedan en el notebook: llegan a producción, con observabilidad, CI/CD y costos bajo control.
He trabajado en RAG multimodal, datalakes en AWS y sistemas que combinan IoT con LLMs. Me interesa el punto donde la ingeniería de datos, el ML y la infraestructura se encuentran.
¿Tienes un proyecto de IA, un agente o un sistema RAG en mente? Escríbeme.