Proyectos académicos
Proyectos de fin de máster desarrollados en MIOTI en 2024 y 2025. Aplicados al ecosistema de videojuegos como entorno de datos real: comportamiento de usuarios, contenido multimedia y dinámica de mercado.
Las técnicas son las mismas que uso en producción: fine-tuning, sistemas multimodales y MLOps.
Contexto
El ecosistema de videojuegos combina datos reales de usuarios, contenido visual de alta calidad y mercados con comportamiento dinámico.
Es un entorno acotado pero representativo de problemas reales: predicción de demanda, recomendación de contenido y generación de activos digitales.
Trabajar sobre este tipo de dominio permite validar soluciones con datos reales, variabilidad natural y métricas objetivas.
Los proyectos
Sistema de generación con SDXL fine-tuneado, LoRAs por categoría y orquestación dinámica basada en interpretación semántica del prompt.
Predicción de disponibilidad futura y recomendación por similitud multimodal sobre contenido dinámico.
Transferencia a producción
SDXL + LoRAs entrenados sobre dataset propio es el mismo proceso que se usa para adaptar modelos de imagen a cualquier marca, producto o estilo visual.
El predictor de reaparición en tienda es un problema de clasificación temporal — directamente análogo a predicción de stock, churn o probabilidad de conversión.
Análisis de movimiento, audio y semántica visual para similitud entre ítems es la misma arquitectura de un motor de recomendación para productos con imagen y descripción.
Optuna para optimización, MLFlow para tracking de experimentos, selección sistemática entre 6 algoritmos. Proceso reproducible en cualquier pipeline de ML.