Análisis Climático Global con Datos ERA5
Visualización avanzada de datos meteorológicos 3D usando modelos ECMWF Copernicus
- Python 3.11
- Xarray
- Cartopy
- +4
Guillermo
Cabrera
Economista, Estadístico y Científico de Datos
Manejo de modelos de aprendizaje profundo para forecasting, analisis de series temporales y clasificacion de datos. Conocimientos avanzados en econometria, estadistica descriptiva e inferencial. Facilidad en estructurar y desplegar modelos de machine learning en entornos de producción.Econometría · Forecasting · MLOps · Series temporales
ANÁLISISDe datos a evidencia.
MODELADODe evidencia a predicción.
DECISIÓNDe predicción a estrategia.
Ilustración decorativa de un planeta de datos: masas continentales abstractas formadas por miles de partículas, una red de conexiones y cuatro órbitas técnicas que representan datos, modelos, contenedores y la inferencia desplegada.
Sobre Mí
Enfoque cuantitativo + narrativa. Del dato crudo al insight accionable, con rigor estadístico y claridad ejecutiva.
Con una formación integral en economía y ciencia de datos, me especializo en transformar información compleja en insights estratégicos que potencian la toma de decisiones efectivas.
Mi enfoque profesional combina rigor cuantitativo y creatividad, orientado a impulsar la innovación y la transformación digital en entornos corporativos y de políticas públicas.
NombreGuillermo Cabrera
Emailguillermocabrera9710@hotmail.com
UbicaciónAsunción, Paraguay
DisponibilidadTiempo completo, Remoto
Proyectos
Casos de extremo a extremo: ingesta, modelado y despliegue. Cada ficha incluye código, métricas y narrativa.
Análisis de Demanda Eléctrica ANDE
Sistema de visualización, análisis y forecasting de la demanda eléctrica con comparativas históricas
- Python 3.13
- Pandas
- Matplotlib
- +4
Climate 3D: el planeta, cuadro a cuadro
Pipeline en cuatro etapas —descargar, prototipar, renderizar y animar— que convierte datos satelitales reales (GOES-R ABI, ERA5 y NASA GIBS) en pósteres y videos con matplotlib + cartopy.
- Python 3.12
- Xarray
- Cartopy
- +6
RAG LLM's - Economist
Aplicación de IA con base vectorial y modelo LLM para responder consultas sobre deuda histórica
- Python 3.13
- Pandas
- LangChain
- +4
Sistema de Predicción de Enfermedades Cardíacas
Pipeline completo de machine learning para predecir riesgo cardíaco usando XGBoost, con despliegue en Docker y versionado de modelos
- Python 3.10
- XGBoost
- Scikit-learn
- +4
Sitio Web Deforestation Paraguay
Atlas scrollytelling 2001–2025 del Chaco paraguayo con Hansen GFC v1.13: mapas año por año, foco Boquerón y Alto Paraguay
- Vanilla JS
- Scrollama
- Hansen GFC v1.13
- +4
Ver Más Proyectosgithub.com/gillopy
Artículos
Lecturas largas de estadística, economía y ciencia de datos: réplicas comentadas y notas metodológicas.
Qué nos enseñan las series de tiempo del IMAEP
25 de septiembre de 2026
Una introducción práctica a la estacionariedad, los modelos ARIMA y los sistemas VAR usando el Indicador Mensual de Actividad Económica del Paraguay.
Salarios y educación en Paraguay
23 de septiembre de 2026
Un año adicional de educación se asocia con 6.9% más de salario mensual (EPH 2023). Las mujeres ganan 18.3% menos con educación similar.
La ilusión del 95 %: qué dice (y qué no) tu intervalo de confianza
12 de septiembre de 2026
Por qué el 95 % describe el método, no tu parámetro. Simulaciones de cobertura, el dilema del churn, Jeffreys–Lindley y prácticas para no engañarse.
Herramientas y Tecnologías
Stack probado en producción
TensorFlowPyTorchScikit-learnStatsforecastNeuronalforecastKerasXGBoostStatsmodelsProphetRNNDockerGithubPoetryUVXarrayGeopandasMatplotlibNumpyPandasSeaborn
TensorFlowPyTorchScikit-learnStatsforecastNeuronalforecastKerasXGBoostStatsmodelsProphetRNNDockerGithubPoetryUVXarrayGeopandasMatplotlibNumpyPandasSeaborn
Contacto
¿Deseas hablar?
La forma más directa de empezar es el formulario. Cuéntame qué quieres construir y qué resultado buscas.
Respuesta< 8 horas · Lun—Vie
Cuéntame sobre tu proyecto
Comparte el contexto y lo que quieres lograr.