Ingeniero Metalúrgico (UNI) · Desarrollo full stack, QA automatizado y datos

Más de 7 años en planta industrial —supervisión de moldeo y acería, control metrológico y auditoría de procesos bajo ISO 9001/14001/45001, de 2023 a 2026 en ME Elecmetal Funvesa—. Hoy llevo ese criterio al software: APIs en Python y FastAPI, aplicaciones en Next.js y TypeScript, pipelines de datos con SQL y PySpark, y pruebas automatizadas en todo lo que construyo.

Databricks Certified Data Engineer Associate · En curso: Power BI PL-300 (Microsoft Learn), Kaggle Learn (Advanced SQL, Data Cleaning)

📍 Lima, Perú · Disponible para trabajo remoto · Inglés intermedio (lectura técnica fluida) · LinkedIn · anthonyverab@gmail.com

whatsapp-ai-assistant — Python · FastAPI · WhatsApp Cloud API · OpenAI/Anthropic · SQLite · pytest Asistente de WhatsApp para negocios: webhook que valida la firma de Meta (HMAC), ignora mensajes duplicados, responde con preguntas frecuentes configurables en YAML o con un LLM —con vuelta automática a las reglas si falla— y deriva a una persona cuando se le pide. 44 tests, 100 % de cobertura, simulador para probarlo sin cuenta de Meta.

qa-automation-demo — pytest · Selenium · Postman/Newman · k6 · GitHub Actions · GitLab CI Automatización de pruebas de punta a punta sobre una tienda demo propia: pruebas unitarias y de API, E2E con Selenium y Page Object, colecciones de Postman en el pipeline, carga con k6 y un plan de pruebas documentado.

retencion-estudiantil-analytics — SQL (DuckDB) · Python · PySpark · estadística Análisis de retención con modelo estrella, funciones de ventana, pruebas de calidad de datos e intervalos de confianza. Muestra por qué comparar «en campaña vs fuera» engaña y cómo un grupo de control aleatorio mide el efecto real de cada acción.

Implementados desde la literatura y contrastados con datos publicados. Cada modelo fija su tolerancia antes de correr y documenta dónde no la cumple.

simulador-conminucion — Python · NumPy/SciPy · Streamlit · ▶ probar en el navegador Circuitos de molienda y clasificación (molino de bolas, hidrociclón, chancadora, energía de Bond) con reciclos, reconciliación de balances y ajuste con intervalos de confianza. Contrastado con los reportes de salida del curso de MODSIM. 168 pruebas.

simulador-procesos — Python · PHREEQC · YAML · Streamlit · ▶ probar en el navegador Balance de masa y de calor de plantas de cobre y estaño: lixiviación, SX-EW, flotación, fusión flash, conversión, electrorrefinación y fundición de estaño, con datos publicados de Atlantic Copper, Mount Isa y Funsur. La planta se describe en YAML y sale un reporte HTML con el costo operativo, y una app con los equipos animados según su cálculo. 602 pruebas.

tratamientos-termicos — Python · pycalphad · programación lineal · Streamlit · ▶ probar en el navegador Hierro blanco alto cromo de bolas de molienda: desestabilización (CALPHAD), temple de la bola, cálculo de carga del horno y revenido, cada uno contra estudios publicados, y una app con el temple de la bola animado. 165 pruebas.

laboratorio-ensayos — Python · NumPy · Streamlit · ▶ probar en el navegador Ensayo al fuego: error de muestreo de Gy por etapa y nomograma del protocolo, oro grueso con Poisson (cuándo pasar a screen fire assay) y carga fundente con el crisol en fusión. Validado contra Minnitt (2017), Chieregati (2017), el USGS y Bugbee (1922); documenta una errata de Minnitt (2007). 271 pruebas.

flotacion-silice — Python · scikit-learn Sensor virtual de la sílice del concentrado con datos reales de planta, evaluado en un periodo reservado contra la lectura anterior: gana, pero poco, y lo dice.

optimizador-carga-eaf — Python · PuLP · Streamlit Programación lineal que calcula la mezcla de carga de un horno de arco eléctrico al mínimo costo, cumpliendo la química objetivo de C, Mn y Si dentro de ±0,02 %.

trazabilidad-forense — SQL · SQLite · Python Trazabilidad colada → pieza → defecto con consultas de causa raíz que relacionan variables de proceso (temperatura, %S) con defectos de calidad.

Todos los proyectos usan datos sintéticos: demuestran el método, no contienen información de ninguna empresa.

Mido antes de concluir. Diseño primero el control que puede refutar mi propia hipótesis y solo después miro el resultado. En planta eso fue −15 % de no conformidades con A3 y −10 % en tiempos de ciclo; en software es validación de entrada, pruebas automatizadas e intervalos de confianza en vez de un número suelto. Trabajo con desarrollo asistido por IA (Claude Code, Codex) y reviso y pruebo todo lo que se genera.