Soy un apasionado de la física y las matemáticas, con una base sólida gracias a mis 4 años de formación universitaria en Física.

Aptitudes y experiencia para docencia: Sólidos conocimientos en análisis de datos y machine learning: Capacidad para explicar conceptos complejos de manera clara y didáctica, incluyendo técnicas de regresión, clasificación, Random Forest, SVM y clustering. Experiencia práctica: Más de 2 años aplicando estas técnicas en proyectos reales y en mi tesis de maestría, lo que me permite aportar casos prácticos y ejemplos reales a las clases. Dominio de herramientas y lenguajes: Amplio manejo de Python, bibliotecas científicas (pandas, scikit-learn, NumPy), bases de datos SQL y entornos Big Data como Spark, facilitando la enseñanza tanto teórica como práctica. Habilidades comunicativas: Capacidad para adaptar el contenido a distintos niveles de conocimiento, fomentando un ambiente colaborativo y de aprendizaje continuo. Metodologías activas: Uso de metodologías ágiles y dinámicas participativas que promueven la interacción y el desarrollo de competencias prácticas. Formación multidisciplinar: Combino una base analítica fuerte con habilidades para la organización y estructuración del contenido, resultado de mi formación en Derecho y ciencia de datos.