Sobre Mí

Soy matemático y físico con un profundo interés en la dinámica no lineal, los sistemas complejos y el aprendizaje automático. Mi trayectoria académica me ha llevado desde una formación matemática rigurosa hasta la investigación de vanguardia en física computacional, siempre en la intersección entre teoría y computación.

Educación

Estudié Matemáticas en la Universidad de La Habana (2013–2017), obteniendo el título de Licenciado. El programa me brindó una formación amplia y sólida en matemática pura y aplicada, que abarcó análisis matemático, álgebra, topología, probabilidades y física matemática. Mi tesis de licenciatura exploró el Juego de las Minorías desde la perspectiva de la teoría de la información.

Posteriormente cursé una maestría en Ciencias Matemáticas en la misma universidad (2017–2020), con mención en Probabilidades y Estadística. Mi plan de estudios incluyó procesos estocásticos, teoría avanzada de probabilidades y sistemas dinámicos. La tesis de maestría se centró en la dinámica no lineal, específicamente en la sincronización de sistemas de osciladores acoplados y en las estructuras de bifurcación en mapas circulares.

Actualmente estoy finalizando mi doctorado en el Instituto Max Planck para la Física de Sistemas Complejos en Dresde, Alemania, bajo la supervisión de Holger Kantz en el grupo de Dinámica No Lineal y Análisis de Series Temporales. Mi investigación se centra en el uso de reservoir computing para la predicción a corto plazo de sistemas dinámicos caóticos, combinando ideas de redes neuronales recurrentes, teoría de sistemas dinámicos y análisis de series temporales.

Habilidades Técnicas

La programación es parte central de mi trabajo y algo que disfruto profundamente. Python es mi lenguaje principal y tengo un dominio avanzado del ecosistema científico y de aprendizaje automático, incluyendo PyTorch, JAX, TensorFlow, Keras, Scikit-Learn, NumPy, SciPy, Pandas y Matplotlib. También trabajo con Julia en computación numérica de alto rendimiento y tengo experiencia con Rust.

Más allá de la computación científica, manejo con soltura prácticas modernas de ingeniería de software: control de versiones con Git, pipelines de CI/CD con GitHub Actions, contenedores con Docker y la publicación de paquetes en PyPI. He desarrollado y mantenido mi propia biblioteca de código abierto en Python, ResDAG, para el reservoir computing con arquitecturas de grafos acíclicos dirigidos.

Intereses de Investigación

Mi investigación se sitúa en la intersección de la dinámica no lineal, el aprendizaje automático y el análisis de series temporales. Me interesa especialmente cómo las arquitecturas de redes neuronales recurrentes pueden comprenderse y optimizarse desde la perspectiva de la teoría de sistemas dinámicos. De manera más amplia, me atraen los problemas en los que las matemáticas rigurosas se encuentran con la computación práctica: predicción de sistemas caóticos, topología de redes, procesos estocásticos y el diseño de métodos de aprendizaje automático con fundamento teórico.