👋 Abierto a nuevas oportunidades

Juan D. Hoyos

Ingeniero de Control & Científico de Datos

Construyo modelos de predicción y controladores predictivos para sistemas complejos y estocásticos. Llevo más de 5 años trabajando con series temporales reales y con ruido, desde monitores continuos de glucosa y contadores inteligentes hasta inversores solares, cerrando el lazo entre predicción, optimización y control en tiempo real.

5+
Años en I+D y control basado en datos
500+
Pacientes con series CGM procesadas
−25%
En la factura mensual con recomendaciones basadas en predicción de demanda
3
Ámbitos: biomédico, redes inteligentes, electrónica de potencia

Qué hago

De la predicción a la decisión

El hilo conductor de mi trabajo: predecir una señal estocástica, decidir bajo restricciones y conseguir que funcione de forma fiable fuera de un notebook.

📈

Predicción e incertidumbre

Modelos de series temporales para glucosa, demanda y precios, con estimaciones de incertidumbre que los controladores pueden aprovechar.

🎛️

Control predictivo (MPC)

Controladores MPC y PID+FF con restricciones, desde la regulación de glucosa hasta etapas DC/AC de inversores solares.

🧮

Optimización

Formulaciones LP/QP y enteras mixtas para planificación, y metaheurísticas (GA, PBIL) para identificación de modelos.

⚡

Sistemas de energía

Analítica de contadores inteligentes, predicción de demanda, electrónica de potencia y despacho de activos flexibles como baterías.

🚀

Pensado para producción

Pipelines reproducibles en Python, Docker, Git y microservicios. Prefiero la solución que funciona con ruido real a la teóricamente perfecta.

Portafolio

Trabajos seleccionados

Proyectos de investigación, de industria y personales. Abre cada tarjeta para ver el enfoque y mi contribución.

🩸
Investigación

Predicción y control de glucosa en diabetes tipo 1

Herramientas de aprendizaje automático para la predicción de glucemia y su control en lazo cerrado en personas con diabetes tipo 1.

MPC Identificación de sistemas MATLAB Python
Control en lazo cerrado solo con datos CGM
Detalles
  • Modelos lineales glucosa-insulina orientados a control, identificados con datos reales de pacientes, incluidos datos de vida libre sin registros de insulina ni comidas.
  • Los predictores alimentan controladores predictivos que respetan restricciones de seguridad en glucosa y administración de insulina.
📊
Investigación

Segmentación de pacientes con más de 500 series CGM

Pipelines reproducibles para limpiar datos de monitores continuos de glucosa y agrupar pacientes por variabilidad metabólica.

Clustering Pandas scikit-learn R
Mejor predicción de glucosa por subgrupo
Detalles
  • Preprocesamiento y control de calidad de grandes series fisiológicas con ruido, para una cohorte de más de 500 personas con diabetes.
  • Clustering no supervisado en Python para segmentar pacientes, mejorando la precisión de la predicción de glucemia.
  • Validación estadística en R (ANOVA, PCA, contraste de hipótesis) para evaluar la significancia clínica de los grupos encontrados.
🧬
Investigación

Optimización metaheurística para identificación de modelos

Algoritmos evolutivos y poblacionales para estimar parámetros metabólicos y corregir entradas ruidosas en registros clínicos.

PBIL Algoritmos genéticos Identificabilidad Simulink
Resultados publicados
Detalles
  • Population-Based Incremental Learning para identificar modelos de dinámica de glucosa en 75 pacientes con diabetes tipo 1.
  • Algoritmo genético para corregir registros ruidosos de carbohidratos antes de estimar parámetros.
  • Revisión y análisis de la identificabilidad de modelos lineales glucosa-insulina orientados a control.
🔌
Industria-academia

Analítica de contadores inteligentes y predicción de demanda

Arquitectura en Python y MongoDB para procesar cientos de GB de series de contadores inteligentes, con modelos de predicción detrás de recomendaciones de consumo.

Predicción de demanda Python MongoDB Series temporales masivas
↓ hasta 25% en la factura mensual
Detalles
  • Diseño de la arquitectura de datos para el procesamiento estadístico de cientos de GB de contadores inteligentes en redes de distribución (proyecto con Enel).
  • Modelos predictivos de consumo y un sistema de recomendación que desplaza la demanda del usuario final.
  • Coautoría de una plataforma para simular el impacto de la generación distribuida y la movilidad eléctrica en redes de distribución.
☀️
Industria

MPC para sistemas DC/AC de inversores solares

Diseño y validación de controladores MPC y PID con acción anticipativa para etapas de electrónica de potencia, en MATLAB/Simulink.

MPC PID + FF Electrónica de potencia Simulink
Robusto en distintas condiciones de operación
Detalles
  • Validación estadística y basada en datos de los algoritmos de control para comprobar su robustez en distintos puntos de operación.
  • Trabajo con equipos multidisciplinares para resolver problemas de integración de datos; flujo de trabajo con Git.
🔋
Proyecto personal

Despacho de una batería con incertidumbre en precios

Estudio en simulación que cierra el lazo: predicciones probabilísticas de precios alimentan un MPC estocástico que planifica una batería frente a precios day-ahead e intradiarios.

MPC estocástico Predicción por cuantiles QP / MILP Python
Predecir → optimizar → controlar
Detalles
  • Predicciones por cuantiles de precios de electricidad (gradient boosting), evaluadas con pinball loss y validación walk-forward.
  • Planificación en horizonte deslizante con formulación basada en escenarios: restricciones de estado de carga, potencia y degradación.
  • Comparación con un MPC determinista y con una estrategia basada en reglas para medir el valor de modelar la incertidumbre.

Stack

Habilidades

Control y optimización

Control predictivo (MPC) MPC estocástico PID + acción anticipativa Espacio de estados Identificación de sistemas LP / QP Programación entera mixta Programación estocástica Algoritmos genéticos / PBIL

Predicción y aprendizaje automático

Predicción de series temporales Predicción probabilística / cuantiles Clustering Gradient boosting PyTorch scikit-learn ANOVA · PCA · contraste de hipótesis

Energía y potencia

Predicción de demanda Datos de contadores inteligentes Inversores solares Despacho de baterías Mercados eléctricos (day-ahead, intradiario, balance)

Programación e ingeniería de datos

Python pandas · NumPy · SciPy R MATLAB / Simulink SQL · NoSQL · MongoDB Docker Git · Bash Microservicios Power BI

Contacto

Hablemos

Me interesan los roles de predicción, control y optimización, especialmente en energía y flexibilidad.