Goh Kun Ming

Datos · Plataforma de investigación

Policy Intelligence

mar 2025 – Actualidad

Datos históricos conectados para una exploración rigurosa.

Una plataforma reproducible para investigar la seguridad histórica y las políticas públicas, que combina canalizaciones de datos, aprendizaje automático, análisis geoespacial, vistas de grafos y recuperación con salvaguardas. Un servidor FastAPI y un panel React permiten explorar datos agregados. El proyecto presenta asociaciones, no efectos causales de las políticas, y no afirma la calidad de los modelos sin los datos bajo licencia y los resultados fijados.

• FastAPI
• React
• Ingeniería de datos
• RAG

Dentro de esta creación

• Construí un panel por país y año de 1996–2021 que relaciona los resultados de incidentes con indicadores de gobernanza.
• Implementé etiquetas adaptativas de gravedad de víctimas mediante agrupamiento y reglas deterministas de respaldo.
• Configuré regresión logística, Random Forest y Extra Trees con preprocesamiento compartido y seguimiento de experimentos.
• Elaboré 12 cuadernos de investigación sobre calidad de datos, pronósticos, modelos, grafos, recuperación y supervisión.
• Añadí respuestas de API acotadas y salvaguardas que restringen el uso a investigación histórica con datos agregados.

Investigación · Proyecto público

Cross-Site RF Drone Detection and Classification

may 2026 – ago 2026

Investigación sobre clasificación por radiofrecuencia entre distintos emplazamientos, con límites de evaluación documentados y sin afirmar que se haya desplegado.

Un estudio que examina si los clasificadores de drones por radiofrecuencia generalizan entre distintos lugares de captura. Compara representaciones de señales y separa la detección de drones de la clasificación de identidades conocidas. La evaluación presentada no cumplió todos los criterios entre ubicaciones, por lo que no se afirma independencia respecto a la ubicación, preparación para publicación ni capacidad de despliegue.

Dentro de esta creación

• Audité 1,253 capturas activas en cuatro ubicaciones y aislé las sesiones no válidas.
• Convertí las capturas en ventanas de señal coherentes y representaciones PSD/STFT.
• Prerregistré la evaluación en una ubicación reservada, los umbrales y los criterios de aceptación sin ajustar con datos de esa ubicación.
• Comparé representaciones PSD, STFT y combinadas con estimaciones de incertidumbre por grupos.
• Evalué por separado los casos de identidad conocida y desconocida.
• Documenté los criterios de aceptación no cumplidos y los límites de despliegue y generalización.

Investigación · Proyecto público

Multi-Modal Low-Altitude Drone Detection and Digital Twin

abr 2026 – ago 2026

Investigación de detección con cámaras de eventos y trabajo en interfaces de sensores; el registro público distingue los experimentos sin conexión de la preparación del sistema para funcionar en tiempo real.

Un estudio de detección con cámara de eventos, junto con la integración de interfaces de sensores de eventos, térmicos y RF y un detector RGB independiente. Los resultados del modelo corresponden a la rama de cámara de eventos sin conexión; los demás sensores no fueron entradas de fusión aprendida. No se ha demostrado la preparación para cámaras en directo ni un sistema fusionado operativo.

Dentro de esta creación

• Integré tres interfaces de sensores y documenté las entradas, salidas y limitaciones de transferencia del modelo.
• Convertí 231 secuencias FRED en 630,340 fotogramas de pilas de eventos causales, con particiones separadas por secuencia.
• Audité anotaciones, imágenes, cuadros proyectados y mosaicos antes de la evaluación.
• Comparé entrenamientos YOLO y RF-DETR y configuraciones de imágenes ensambladas.
• Seleccioné un punto de operación que sacrificaba parte de la exactitud de detección para reducir los falsos positivos.
• Documenté los tiempos de GPU sin conexión, las limitaciones del filtro de lluvia y la falta de validación del sistema en directo.

Investigación · Proyecto público

Satellite-to-Simulation Data Pipeline

abr 2026 – ago 2026

Un flujo de investigación para armonizar anotaciones de imágenes, rastrear la procedencia y comprobar la calidad de los datos de segmentación.

Una canalización controlada de imágenes satelitales que convierte anotaciones heterogéneas en resultados de segmentación, clasificación y contexto. Combina correspondencias de etiquetas coherentes, características derivadas de la geometría y controles de calidad trazables para preparar datos destinados a investigación relacionada con simulaciones.

Dentro de esta creación

• Armonicé anotaciones ráster, COCO, XML, TXT y GeoJSON sin aceptar silenciosamente etiquetas ambiguas.
• Preparé 13,487 muestras de segmentación y 56,096 filas de clasificación en 14 directorios raíz de conjuntos de datos.
• Estandaricé una clase de fondo y 19 clases de primer plano.
• Derivé componentes geométricos, aristas topológicas y características de contexto.
• Generé registros de procedencia, inventarios estructurados, informes por etapa y 117 vistas previas de control de calidad visual.
• Comprobé la alineación entre imágenes y máscaras y la fuga por imágenes duplicadas, aislando los datos ilegibles.

Investigación · Proyecto público

Tri-Modal Runway Inspection and Abnormality Detection

abr 2026 – ago 2026

Un estudio de inspección simulada que compara estrategias de sensores y fusión, con limitaciones explícitas para el uso operativo.

Un estudio simulado de inspección de pistas que compara estrategias de detección y fusión RGB, térmica y LiDAR. Las muestras UE5/AirSim permiten experimentos reproducibles y revisión de procedencia. Los diagnósticos anteriores a la auditoría revelaron fallos de detección, por lo que el trabajo se presenta como investigación y no como un sistema de inspección desplegable.

Dentro de esta creación

• Capturé 1,442 muestras simuladas en 14 condiciones, con anotaciones de grietas y baches.
• Mantuve diferenciadas las salidas térmicas basadas en modelos y las detecciones derivadas de reglas.
• Comparé estrategias de un sensor, de pares de sensores y de fusión de tres sensores.
• Separé las secuencias de entrenamiento y evaluación reservada, limitando el ajuste a los datos de entrenamiento.
• Estimé la incertidumbre mediante análisis bootstrap agrupado por secuencias.
• Registré los artefactos originales y las decisiones de enrutamiento, junto con las limitaciones reveladas por la evaluación.

IA · Proyecto público

YOLO Leaf Object Detection Pipeline

jul 2026

Preparación y validación de un conjunto de datos para detectar hojas; disponer de datos preparados no demuestra el rendimiento de un detector entrenado.

Un flujo reproducible de detección de hojas que combina PlantVillage, PlantDoc y negativos difíciles generados. Prepara y valida datos, configura el entrenamiento YOLO y ofrece puntos de integración para exportación e inferencia en el navegador. No hay pesos entrenados ni resultados de evaluación reservada incluidos que demuestren exactitud, latencia o preparación para producción.

Dentro de esta creación

• Preparé 57,164 imágenes y 63,225 cuadros en particiones deterministas de entrenamiento, validación y prueba.
• Convertí anotaciones Pascal VOC a coordenadas YOLO normalizadas.
• Generé nombres de archivo resistentes a colisiones entre conjuntos de datos de origen.
• Validé pares imagen-etiqueta, identificadores de clase, coordenadas y fugas entre particiones antes del entrenamiento.
• Configuré tres candidatos YOLO, una prueba de entrenamiento acotada y puntos de integración para exportar a ONNX.
• Separé las pruebas de herramientas de datos de la preparación de datos externos y del entrenamiento en GPU.

Seguridad · Proyecto público

Sentinel Endpoint Framework (SEF)

jun 2025 – jun 2026

Un supervisor local de dispositivos con comprobaciones de llave física, controles de PIN, registros de auditoría y recuperación controlada por el usuario.

Un supervisor local de equipos y panel de control basado en Rust, con presencia de llave física, controles protegidos por PIN y registros de auditoría. Permite mantenimiento reversible y recuperación controlada por el usuario, con una alternativa en Python durante la migración. Los módulos avanzados de protección siguen siendo diseños preliminares, más allá del supervisor implementado en modo usuario.

Dentro de esta creación

• Implementé comprobaciones periódicas de presencia de la llave, periodos de gracia y solicitudes de bloqueo seguro ante fallos.
• Añadí verificación de PIN con sal, sesiones de autorización breves y recuperación que comienza con bloqueo y exige la llave física.
• Construí un panel localhost para registrar llaves de confianza, consultar el estado de protección y gestionar el mantenimiento.
• Registré cambios de presencia de llaves, modificaciones de configuración y eventos de autorización y recuperación.
• Empaqueté controles reversibles de inicio de Windows y un estado acotado para políticas de larga duración.
• Diferencié siete familias de controles preliminares de las funciones implementadas mediante un modelo explícito de amenazas.

IA · Prototipo de pila completa

VeggieAI

ene 2026 – feb 2026

La visión artificial se encuentra con una aplicación web útil.

VeggieAI conecta la clasificación de imágenes de verduras con consulta de precios, historial autenticado y orientación conversacional. Una aplicación web Flask utiliza un servicio de modelos independiente respaldado por un registro. Se documentan dos paquetes de modelos que pueden cargarse de forma reproducible, pero las afirmaciones de exactitud y latencia en evaluación reservada carecen de artefactos de entrenamiento y evaluación incluidos que las sustenten.

• Python
• Flask
• Visión artificial
• Docker

Dentro de esta creación

• Separé la aplicación web y el servicio de inferencia en una arquitectura de contenedores con dos imágenes.
• Definí contratos de modelos distintos de cuatro y cinco etiquetas, con preprocesamiento específico para cada modelo.
• Validé manifiestos, etiquetas, rutas de paquetes y sumas de comprobación antes de servir los modelos.
• Rechacé dimensiones de imagen, canales y perfiles de normalización incompatibles antes de la inferencia.
• Ejercité las interfaces de estado, metadatos y predicción mediante pruebas básicas del servicio.
• Mantuve opcionales y explícitamente configuradas las integraciones de OpenAI, Roboflow, correo electrónico y modelos remotos.

Comunidad · Proyecto público

RAG-Powered Food Waste Reduction System

oct 2025 – feb 2026

Un concepto de chatbot para reducir el desperdicio alimentario en el campus, desarrollado mediante pensamiento de diseño, aportaciones de vendedores y análisis de viabilidad.

FoodBot es un concepto de chatbot contra el desperdicio alimentario en el campus, desarrollado mediante pensamiento de diseño, opiniones de vendedores y análisis de viabilidad. Explora orientación de preparación para vendedores y mejores decisiones de eliminación de residuos para estudiantes y personal, usando tiempo, ubicación, patrones de desperdicio y calendario académico. Es una propuesta, no un servicio desplegado ni un resultado medido de reducción del desperdicio.

Dentro de esta creación

• Analicé los patrones de desperdicio alimentario del campus y las carencias operativas de los enfoques existentes.
• Consideré a vendedores, personal de limpieza y consumidores al plantear el problema del sistema.
• Apliqué el marco S.P.I.C.E. para investigar los factores que influyen en el comportamiento.
• Desarrollé perfiles de usuarios y un concepto de interacción con chatbot de bajo esfuerzo.
• Esbocé orientación de preparación, recordatorios de eliminación de residuos y estímulos de comportamiento.
• Relacioné la propuesta con el consumo responsable y los objetivos de sostenibilidad del campus.

Datos · Panel de proyecto académico

Student Risk Analytics

ene 2026 – feb 2026

Facilitar la comprensión de patrones entre cohortes.

Una aplicación interactiva Dash que explora rendimiento estudiantil, asistencia, encuestas y patrones por cohorte. Integra fuentes en instantáneas del último semestre y vistas de revisión transparentes. Los umbrales configurables de promedio académico y asistencia ofrecen heurísticas de apoyo a decisiones sin valor diagnóstico; no demuestran factores causales de riesgo ni intervenciones eficaces.

• Python
• Dash
• Estadística
• Visualización

Dentro de esta creación

• Integré perfiles estudiantiles, resultados, encuestas y códigos de cursos, y unifiqué las etiquetas de periodo para filtrar los datos.
• Creé instantáneas del último semestre y tres niveles de revisión configurables.
• Construí vistas de cohortes, tendencias, flujos de riesgo, factores de apoyo y prioridades.
• Expuse filtros y umbrales para que los revisores puedan examinar cómo cambian los grupos.
• Comprobé contratos de libros de cálculo, coincidencia de identificadores, datos faltantes y duplicados.
• Documenté una configuración reproducible de la aplicación y validé las funciones auxiliares de análisis.

IA · Proyecto público

Trip Safety Prediction System

ene 2026 – feb 2026

Una aplicación de clasificación de trayectos sin conexión que distingue las predicciones por lotes basadas en modelos de los resultados heurísticos para registros individuales.

Una aplicación Windows sin conexión que convierte registros de sensores de vehículos en clases de seguridad por trayecto mediante una canalización de árbol de decisión incluida. Las predicciones por lotes siguen un contrato de características definido, mientras que los resultados de registros individuales se etiquetan claramente como alternativas heurísticas. Se demuestra inferencia reproducible; el material incluido no acredita la calidad predictiva en evaluación reservada.

Dentro de esta creación

• Validé marcadores de valores faltantes, precisión GPS, rumbos y campos numéricos obligatorios.
• Derivé 19 características por trayecto sobre duración, movimiento, velocidad y calidad de sensores.
• Generé resultados por lotes SAFE o DANGEROUS basados en el modelo y etiquetados con su fuente de inferencia.
• Separé la agregación del trayecto completo del modo heurístico de registro individual.
• Empaqueté el modelo y los recursos de interfaz en un ejecutable Windows.
• Comprobé limpieza, agregación, persistencia, flujos de escritorio e inferencia empaquetada mediante pruebas automatizadas.

Datos · Proyecto público

Wage Modelling & Regression Analysis

oct 2025 – feb 2026

Un estudio académico de regresión que combina derivación analítica, descenso del gradiente y comprobaciones de reproducibilidad.

Un estudio transparente de regresión con datos salariales y un pequeño ejemplo derivado de horas extras. Relaciona derivación analítica, descenso de gradiente desde cero, escalado de características y comprobaciones estadísticas. Las mejoras presentadas se refieren a convergencia computacional, no a generalización predictiva; el ejemplo de dos características contiene solo diez filas derivadas.

Dentro de esta creación

• Implementé en Python modelos de regresión por el origen, con intercepto y pendiente, y de dos características.
• La descripción del proyecto en LinkedIn indica que se compararon diez tasas de aprendizaje compartidas mediante 20 ajustes deterministas.
• La descripción del proyecto en LinkedIn indica reducciones de convergencia de 173 a dos iteraciones y de 401 a 59, dentro de las tolerancias de error declaradas.
• Contrasté los objetivos ajustados con referencias de mínimos cuadrados en forma cerrada y con Minitab.
• Añadí pruebas de reproducibilidad y salvaguardas con derivaciones y fuentes de información documentadas.

Datos · Proyecto público

Driver Safety Analytics Platform

oct 2025 – dic 2025

Un flujo de datos sobre seguridad de conductores que combina validación, ingeniería de características, modelado dimensional e informes analíticos.

Una canalización de ingeniería de datos de seguridad vial que mueve registros de conductores, sensores y etiquetas de seguridad desde tablas provisionales MySQL, mediante Python y PySpark, a un almacén con esquema en estrella. Prepara datos y artefactos Power BI para análisis exploratorio, con orquestación segura por línea de comandos y comprobaciones sin conexión, sin afirmar escala de producción ni impacto en la seguridad.

Dentro de esta creación

• Modelé dimensiones de conductores y sensores de trayectos vinculadas a etiquetas de seguridad por reserva.
• Apliqué estandarización de esquemas, deduplicación, tratamiento de valores faltantes y validación por reglas.
• Derivé magnitud de aceleración, variación de aceleración, agregados por trayecto e indicadores de comportamiento.
• Implementé diagnósticos IQR y de reconstrucción PCA para registros de sensores inusuales.
• Añadí validación del entorno, simulaciones de ejecución y acceso opcional explícito a bases de datos activas.
• Conservé cuadernos, SQL, artefactos Power BI y documentación de arquitectura, privacidad y operaciones.

Datos · Panel de proyecto académico

HDB Resale Explorer

oct 2025 – dic 2025

Explorar los datos detrás de una vivienda en Singapur.

Una canalización de análisis de mercado preparada para Tableau que explora asequibilidad, valor y compromisos de ubicación en la reventa de viviendas HDB de Singapur. La limpieza reproducible y el enriquecimiento geoespacial generan datos validados y un panel empaquetado. Las medidas de mercado conservan sus periodos declarados, diferenciando los cambios interanuales del crecimiento a más largo plazo.

• Python
• Limpieza de datos
• Paneles de datos
• Singapur

Dentro de esta creación

• Estandaricé etiquetas de localidad, calle, tipo de vivienda, planta, modelo y arrendamiento.
• Corregí anomalías documentadas de superficie y eliminé registros duplicados.
• Validé conjuntos de datos canónicos y enriquecidos de 202,461 y 216,695 filas.
• Derivé campos de precio por superficie, arrendamiento, periodo de transacción y contexto geográfico.
• Construí un libro Tableau para comparar localidades, tipos de vivienda y necesidades de los hogares.
• Conservé cuadernos, metodología, notas de fuentes, informes y materiales de presentación.

Dentro del proyecto

3 imágenes

IA · Proyecto público

Multimodal Property Price Prediction System

oct 2025 – dic 2025

Un prototipo de valoración inmobiliaria que combina anuncios estructurados con señales opcionales de texto e imagen, con una evaluación delimitada de sus componentes.

EstateScope AI es un prototipo Flask de valoración inmobiliaria en EE. UU. que combina anuncios estructurados con señales opcionales de descripciones e imágenes. Incluye historial de predicciones, interfaces analíticas, chat inmobiliario y gobernanza de modelos. El componente textual cuenta con una evaluación reservada acotada, pero no se ha establecido evidencia comparable de mejora multimodal ni de exactitud en producción.

Dentro de esta creación

• Preparé conjuntos de entrenamiento, validación y prueba textuales separados para evitar fugas.
• Evalué el componente textual sobre 1,517 ejemplos reservados con un artefacto de modelo fijado.
• Mostré estimaciones por modalidad y promedié únicamente las entradas disponibles durante la inferencia.
• Verifiqué sumas de comprobación, carga y compatibilidad de los modelos incluidos.
• Construí interfaces acotadas de tendencias y distribuciones con historial autenticado.
• Documenté promoción de modelos, reversión, estado de contenedores y la falta de evidencia de evaluación multimodal.

Creatividad · Proyecto público

Data Storytelling on AR Gaming Pilot with Current Affairs Insights

jul 2025 – ago 2025

Paneles de Power BI y una presentación en equipo que utilizan información demográfica y sobre videojuegos para debatir posibles ubicaciones piloto.

Una narrativa de datos en Power BI y presentación en equipo que propone ubicaciones para un piloto de juego de realidad aumentada. Los hallazgos demográficos, de accesibilidad y de juego orientan la recomendación, con determinados Objetivos de Desarrollo Sostenible como contexto académico.

Dentro de esta creación

• Desarrollé una narrativa persuasiva basada en un análisis anterior.
• Mejoré paneles Power BI, señales visuales y estructura narrativa.
• Comparé evidencia demográfica, de accesibilidad y de comportamiento de juego para Catch & Go.
• Realicé una presentación en equipo de 15 minutos y respondí preguntas de las partes interesadas.
• Recomendé ubicaciones piloto en Singapur y relacioné la propuesta con determinados Objetivos de Desarrollo Sostenible.

Creatividad · Proyecto público

Diploma in Applied AI & Analytics Promotion Video

jul 2025 – ago 2025

Un vídeo promocional del diploma que explora la narrativa orientada al público, la elección de plataformas y la creación responsable de contenido digital.

Un breve vídeo promocional que presenta el Diploma in Applied AI & Analytics a jóvenes de 16–21 años. El proyecto combina narrativa centrada en la audiencia, selección de plataformas y creación responsable de contenido digital.

Dentro de esta creación

• Produje un vídeo que presenta el diploma a una audiencia joven.
• Apliqué los marcos PAC y HoMA para desarrollar la historia y captar la atención desde el inicio.
• Evalué plataformas de redes sociales para la audiencia prevista.
• Consideré derechos de autor, atribución y uso responsable de herramientas de IA.
• Expliqué las decisiones creativas, el enfoque de difusión y la ética digital en una sesión de preguntas y respuestas.

IA · Experimento en cuaderno

Handwritten Character Lab

jul 2025 – ago 2025

Comparar las formas en que crean las redes neuronales.

Un laboratorio de modelos generativos para 16 clases seleccionadas de EMNIST Letters, que conserva cuadernos académicos junto con herramientas Python reutilizables. Explora ocho familias GAN y extensiones variacionales o condicionales. Incluye herramientas de evaluación, pero los puntos de control incluidos y los resultados con múltiples semillas no permiten establecer un modelo ganador.

• Aprendizaje profundo
• GANs
• EMNIST
• Evaluación

Dentro de esta creación

• Configuré entradas en escala de grises, vectores latentes y ajustes experimentales reproducibles y coherentes.
• Implementé ocho familias GAN junto con extensiones variacionales y condicionales.
• Añadí herramientas FID, KID, diversidad, colapso de modos y análisis de representaciones vectoriales.
• La descripción del proyecto en LinkedIn indica que se validaron los recuentos de muestras, los valores finitos, las dimensiones y la estructura de covarianza antes de calcular las métricas.
• Documenté las limitaciones de extractores de características de imágenes naturales para letras manuscritas pequeñas.
• Conservé el cuaderno original y las secciones de investigación sin salidas, con pruebas de preprocesamiento e integridad.

Software · Proyecto público

Newspaper Restoration System using Prefix Tries

jul 2025 – ago 2025

Una herramienta de restauración de texto que explora la recuperación con comodines, sugerencias aproximadas, mantenimiento del vocabulario y visualización de árboles de prefijos.

Un conjunto explicable de herramientas Python por línea de comandos para restaurar texto incompleto de periódicos históricos. Cada comodín representa un carácter ausente, con búsquedas en tries de prefijos, sugerencias ordenadas y búsqueda aproximada para ayudar a la recuperación. La inspección visual y las pruebas automatizadas explican el comportamiento sin afirmar exactitud de restauración medida en un corpus de referencia.

Dentro de esta creación

• Implementé estrategias de recuperación mediante comodines exactos, subárboles y distancia de edición.
• Ordené de forma determinista las sugerencias exactas y aproximadas.
• Añadí edición por lotes de prefijos y sufijos con almacenamiento persistente de vocabulario.
• Visualicé la topología del trie, relaciones de similitud y estructura de coocurrencia.
• Separé almacenamiento, gestión de archivos, restauración, grafos e interacción de consola en componentes comprobables.
• Proporcioné flujos por línea de comandos para edición, búsqueda, procesamiento por lotes, visualización y recuperación.

IA · Experimento en cuaderno

Pendulum Learning Lab

jul 2025 – ago 2025

Aprender el control mediante prueba, recompensa y evaluación.

Un laboratorio de aprendizaje por refuerzo que compara DQN estándar, Double, Dueling y Rainbow en Pendulum-v1. El par continuo se convierte en acciones discretas, con componentes reutilizables de repetición, entrenamiento, evaluación y ajuste. Las ejecuciones locales de comprobación se distinguen de los estudios completos; no se afirma superioridad de recompensa con múltiples semillas equivalentes ni estabilidad de control.

• Aprendizaje por refuerzo
• DQN
• Python
• Optimización

Dentro de esta creación

• Convertí el par continuo en intervalos de acciones discretas para el aprendizaje basado en valor.
• Configuré experimentos con semillas, búferes de repetición, calentamiento y actualizaciones de la red objetivo.
• Añadí repetición priorizada y salidas distribucionales para Rainbow DQN.
• Proporcioné resúmenes de recompensa, análisis de curvas de aprendizaje, ejecuciones con política voraz y vistas comparativas.
• Separé ejecuciones básicas acotadas de la configuración del estudio completo de 500 episodios.
• Validé herramientas experimentales e integridad de cuadernos y documenté la falta de ejecuciones equivalentes con múltiples semillas.

Creatividad · Proyecto público

AI-Powered Haiku Generator

abr 2025 – may 2025

Una herramienta de haikus por línea de comandos que combina transformaciones de palabras, generación mediante cadenas de Markov, comprobación de sílabas y narración de audio opcional.

Una herramienta de haikus por línea de comandos que combina transformaciones de palabras, generación Markov sensible a las sílabas y narración opcional. Explora cómo las reglas lingüísticas explícitas y la generación acotada pueden producir un poema reproducible de 5–7–5 sílabas.

Dentro de esta creación

• Construí modos de sinónimos, sinónimo más corto, antónimos y permutación por lotes con manejo de puntuación y mayúsculas.
• Implementé generación Markov sensible a las sílabas con reintentos limitados y alternativas para la estructura 5–7–5.
• Añadí narración WAV opcional ensamblada a partir de clips de audio por palabra.
• Separé líneas tokenizadas, indexación de palabras clave, recuento silábico, consulta de sinónimos, generación de haikus y gestión de archivos en seis abstracciones.
• Validé la entrada por línea de comandos y la disponibilidad de archivos, y añadí 16 pruebas con una cobertura del 54%.
• Registré un ejemplo determinista 5–7–5 a partir de un corpus de 12 líneas; demuestra el proceso de generación, no la calidad poética general.

IA · Proyecto público

CNN Image Classification on Multi-Resolution Vegetable Dataset

abr 2025 – may 2025

Una comparación académica de arquitecturas convolucionales, resoluciones de imagen y aumento de datos para clasificar verduras.

Un estudio de clasificación de imágenes de verduras que compara diseños de redes convolucionales con dos resoluciones de imagen y distintas opciones de aumento de datos. Combina reparación del conjunto de datos, preprocesamiento repetible y evaluación de resultados experimentales históricos.

Dentro de esta creación

• Comparé 11 clases de verduras con entradas en escala de grises de 23×23 y 101×101, con y sin aumento de datos.
• Corregí nombres de directorios de validación y prueba e imágenes de zanahorias mal ubicadas mediante herramientas con modo de simulación.
• Exploré familias CNN Sequential, Functional, residual, de tipo Inception y con convoluciones separables en profundidad.
• Documenté una búsqueda histórica Sequential con exactitud de validación de 0.908 y una ejecución independiente con aproximadamente 94.2% de exactitud de prueba; los resultados no establecen una arquitectura ganadora universal.
• Añadí 13 pruebas para Python 3.11 y 3.12, con una cobertura amplia del 48%.
• Registré los tamaños de las particiones y los artefactos de reproducibilidad faltantes, incluidos pesos del modelo y comparaciones con múltiples semillas.

Datos · Proyecto público

Location Recommendation for AR Mobile Game Pilot

abr 2025 – may 2025

Un análisis de Power BI sobre demografía, accesibilidad y comportamiento en videojuegos para orientar la propuesta de una ubicación piloto.

Un proyecto de recomendación de ubicaciones en Power BI para el piloto propuesto del juego de realidad aumentada Catch & Go de Funtendo. El equipo utilizó información demográfica, de movilidad y de juego para explicar ubicaciones candidatas en Singapur.

Dentro de esta creación

• Combiné conjuntos de datos demográficos, de ingresos, vivienda, movilidad y juego en un análisis Power BI.
• Creé visualizaciones para comparar accesibilidad, comportamiento de jugadores y aspectos de participación.
• Propuse ubicaciones piloto en Singapur a partir de los patrones identificados en el informe.
• Resumí la recomendación en un mensaje clave conciso y una justificación vinculada a los Objetivos de Desarrollo Sostenible.
• Presenté el análisis mediante un panel de tres páginas y una narrativa complementaria.

IA · Proyecto público

RNN-based Movie Review Sentiment Analysis

abr 2025 – may 2025

Un estudio de reseñas de películas que compara modelos recurrentes para clasificar sentimientos y predecir puntuaciones, con datos de evaluación separados.

Un estudio bilingüe de reseñas de películas que compara redes recurrentes para clasificación de sentimiento y regresión de puntuaciones. El flujo prioriza un preprocesamiento coherente en inglés y malayo, particiones que evitan fugas y evaluación adecuada a cada tarea.

Dentro de esta creación

• Creé particiones 80/10/10 de entrenamiento, validación y prueba antes de ajustar el flujo de modelado.
• Limpié reseñas en inglés y malayo mediante conversión a minúsculas, manejo de puntuación, eliminación de palabras vacías, lematización, tokenización y relleno.
• Apliqué aumento con semilla solo a los datos de entrenamiento, ampliando los ejemplos de clasificación de 222 a 888 y los de regresión de 501 a 2,004.
• Comparé modelos SimpleRNN, LSTM y GRU para sentimiento binario y predicción de puntuaciones numéricas.
• Evalué clasificación mediante exactitud, precisión, exhaustividad y F1, y regresión mediante métricas de error y ajuste por intervalos de puntuación, sin declarar una arquitectura ganadora.
• Añadí 22 pruebas con una cobertura del 55% y documenté la limpieza de puntuaciones ausentes, duplicados, reseñas cortas y textos repetidos.

Investigación · Proyecto público

Research Report on Quantum Computing as Green Technology for AI Model Training

abr 2025 – may 2025

Un análisis bibliográfico sobre computación cuántica, entrenamiento de IA y sostenibilidad; no es una prueba comparativa de eficiencia energética medida.

Un informe que explora la computación cuántica como posible tecnología sostenible para entrenar IA. Examina consumo energético, costes, límites técnicos y opciones de adopción mediante bibliografía publicada, no mediante un experimento comparativo con cargas de trabajo equivalentes.

Dentro de esta creación

• Revisé bibliografía sobre computación cuántica y clásica para entrenar modelos de IA.
• Comparé consideraciones publicadas sobre energía, infraestructura y costes junto con limitaciones técnicas.
• Organicé oportunidades y riesgos mediante un análisis DAFO y una discusión del impacto ambiental.
• Relacioné el informe con los ODS 9, 12 y 13.
• Recomendé investigar la adopción híbrida y en la nube, tratando los beneficios de sostenibilidad como cuestiones que requieren evidencia con cargas de trabajo comparables.

Comunidad · Proyecto público

NUS HumanITy Challenge

mar 2025 – abr 2025

Un reto de innovación en sostenibilidad que incluye ideas tecnológicas, consideraciones de riesgo y diseño colaborativo de soluciones.

Una experiencia como equipo finalista en NUS HumanITy Challenge, una competición preuniversitaria de sostenibilidad. El proyecto se centró en desarrollar una respuesta basada en tecnologías de la información e IA a un problema real de sostenibilidad.

Dentro de esta creación

• Desarrollé ideas de soluciones de sostenibilidad con tecnologías de la información e IA.
• Consideré los riesgos de implementación al perfeccionar la solución propuesta.
• Colaboré entre disciplinas para presentar la propuesta finalista del equipo.

Datos · Proyecto público

Content Performance Analysis & Strategy Refinement

ene 2025 – feb 2025

Un análisis exploratorio de formatos de campaña, horarios de publicación y patrones de interacción, con gráficos reproducibles.

Un análisis observacional del rendimiento de contenido social que utiliza publicaciones históricas para mejorar una estrategia propuesta de marketing digital. Separa los patrones de participación medidos de las recomendaciones no comprobadas en una campaña posterior.

Dentro de esta creación

• Analicé un corpus de 100 publicaciones, 192 comentarios, 689 reacciones y 8,208 visualizaciones, con una revisión específica de siete piezas de campaña durante 28 días.
• Comparé formatos de contenido, días y horas de publicación con visualizaciones, reacciones y comentarios.
• Utilicé mapas de calor, diagramas de caja, gráficos de líneas y comparaciones por grupos para explicar los patrones de participación.
• Propuse cambios de horarios, llamadas a la acción, etiquetas y contenido basados en los datos observados.
• Añadí 14 pruebas de contrato de regresión y comprobé que nueve figuras reproducidas fueran idénticas byte a byte.
• Mantuve los hallazgos como observacionales; el análisis no mide efectos causales ni mejoras posteriores a la campaña.

IA · Experimento en cuaderno

Segmentación de clientes

ene 2025 – feb 2025

Exploración de grupos de clientes mediante agrupamiento.

Un flujo de segmentación de clientes que compara métodos de agrupamiento sobre edad, ingresos y gasto. Incluye validación de entradas, artefactos de modelos reutilizables y resúmenes interpretables de segmentos para análisis exploratorio de marketing.

• Python
• Agrupamiento
• PCA
• Evaluación

Dentro de esta creación

• Validé identificadores de cliente finitos y únicos y valores categóricos documentados, con una regla de valores atípicos de ingresos de 1.5×IQR.
• Estandaricé edad, ingresos y gasto, reservando el género para la interpretación posterior al agrupamiento.
• Comparé K-Means, agrupamiento aglomerativo y DBSCAN, con y sin PCA.
• Construí un flujo configurable K-Means de seis segmentos que guarda escalador, modelo, asignaciones y métricas.
• Evalué los índices de silueta, Davies–Bouldin y Calinski–Harabasz junto con la inercia, y añadí 15 pruebas con una cobertura del 95%.
• Documenté la ausencia de validación externa, estudios de estabilidad y mejoras de campaña medidas; los segmentos siguen siendo exploratorios.

Software · Proyecto público

FitnessQuest Gamified Fitness Application

oct 2024 – feb 2025

Una aplicación de ejercicio gamificada con cuentas, desafíos, misiones, inventario y controles que respetan la titularidad de los recursos.

Una aplicación adaptable de actividad física gamificada, construida con Express, MySQL y una interfaz JavaScript sin bibliotecas. Conecta cuentas, retos y progreso de juego mediante controles explícitos de titularidad y pruebas de aplicación repetibles.

Dentro de esta creación

• Construí registro, inicio de sesión, perfiles, clasificaciones, retos, reseñas, mascotas, inventario, batallas, misiones y logros.
• Implementé una aplicación Express 5 para Node.js 22+, con MySQL 8.4, autenticación JWT y validación Zod.
• Apliqué controles de titularidad utilizando la identidad autenticada por JWT, sin confiar en identificadores de usuario enviados por el cliente.
• Añadí hash de contraseñas, cabeceras de seguridad, límites de solicitudes, consultas parametrizadas y respuestas de error seguras.
• Mostré contenido de usuarios mediante textContent y separé las migraciones de base de datos y reinicios de pruebas de la ejecución de la aplicación.
• Documenté seis comprobaciones de API, tres de seguridad y seis de navegador; estas comprobaciones aisladas no demuestran fiabilidad en producción.

Datos · Proyecto público

Singapore Graduate Employment, Salary & Labour-Market Analysis

ene 2025 – feb 2025

Un estudio sobre empleo y salarios de graduados con comprobaciones de calidad de datos, modelado exploratorio y comparaciones transparentes entre grupos.

Un análisis del empleo de graduados y del mercado laboral de Singapur que combina limpieza de datos, vistas descriptivas, modelado salarial y agrupamiento. Examina patrones de empleo e ingresos entre grupos educativos y de población.

Dentro de esta creación

• Preparé un flujo para siete conjuntos de datos de origen, con conversión de tipos, valores faltantes, duplicados y comprobaciones de atípicos mediante IQR o puntuación z.
• Derivé medidas de dispersión salarial y brecha de tasa de empleo, y relacioné campos de estudio.
• Utilicé bosques aleatorios para imputar o predecir salarios junto con agrupamiento y análisis descriptivo.
• Comparé patrones entre universidades, títulos, años, sectores, edades, géneros, niveles educativos y contextos poblacionales.
• Comprobé siete cuadernos sin errores almacenados y añadí 17 pruebas con una cobertura del 80% en Python 3.10–3.12.
• Documenté la falta de tablas originales, modelos ajustados, métricas reservadas y análisis de incertidumbre; los resultados no demuestran rendimiento predictivo.

Datos · Proyecto público

Statistical Analysis of AI Industry Trends

nov 2024 – feb 2025

Una investigación estadística académica sobre tendencias del sector de la IA, presentada mediante gráficos y un póster de narrativa de datos.

Una investigación estadística de tendencias del sector de IA, presentada como un póster narrativo de datos. Examina relaciones entre cómputo de entrenamiento, rendimiento de modelos, experiencia, salarios y adopción de IA.

Dentro de esta creación

• Exploré conjuntos de datos reales que describen el sector de IA.
• Investigué relaciones entre cómputo de entrenamiento y rendimiento de modelos, y entre experiencia y salario.
• Comparé patrones salariales asociados a la adopción de IA mediante estadística descriptiva y análisis por grupos.
• Apliqué ANOVA y Tukey HSD junto con vistas de correlación y regresión.
• Comuniqué los hallazgos mediante un póster A3 con diagramas de caja, histogramas y explicaciones estadísticas.

IA · Experimento en cuaderno

Previsión de consumo de suministros

ene 2025 – feb 2025

Estudio de patrones estacionales del consumo de electricidad, gas y agua.

Un estudio de previsión mensual del consumo de gas, electricidad y agua. Compara modelos estadísticos de series temporales con evaluación cronológica y valida la estructura de las series de entrada.

• Python
• Series temporales
• ARIMA
• Evaluación

Dentro de esta creación

• Preparé series mensuales con transformación logarítmica y periodos cronológicos reservados, documentando cómo la eliminación opcional de atípicos puede alterar el espaciado temporal.
• Comparé modelos ARIMA, ARIMA ajustado y SARIMAX estacional.
• Registré las configuraciones seleccionadas de gas ARIMA(18,2,9), electricidad SARIMAX(3,1,4)(5,1,6,12) y agua ARIMA(9,2,17).
• Estructuré un periodo reservado y horizonte de previsión de 60 meses, con evaluación mediante MAE, RMSE, R², varianza explicada y MAPE.
• Validé valores finitos, fechas mensuales contiguas y horizontes de previsión, rechazando meses duplicados o ausentes; añadí 43 pruebas.
• Documenté la falta de series originales, modelos ajustados, evaluaciones retrospectivas fijadas, comparaciones de referencia e intervalos de previsión; no se demuestra impacto operativo ni de sostenibilidad.

Comunidad · Proyecto público

NUS-Rightship Maritime Hackathon

oct 2024 – ene 2025

Un hackathon marítimo que explora ideas basadas en IA y datos para operaciones portuarias, emisiones y seguridad de buques.

Un proyecto de equipo para el NUS–RightShip Maritime Hackathon 2025 de 24 horas. El reto consistió en desarrollar ideas basadas en datos e IA para problemas de las operaciones marítimas globales.

Dentro de esta creación

• Trabajé en un reto marítimo con un formato de hackathon de 24 horas.
• Exploré enfoques de IA y datos para eficiencia portuaria, emisiones y seguridad de buques.
• Apliqué aprendizaje automático, análisis y resolución colaborativa de problemas a la propuesta.

Investigación · Proyecto público

AI Ethics & Governance Survey Analysis

oct 2024 – nov 2024

Una exploración mediante encuestas de las percepciones sobre legislación de IA, transparencia, protección de datos y gobernanza.

Un análisis de encuestas que examina perspectivas del público y de expertos sobre ética, legislación y gobernanza de la IA. Un panel Power BI comunica preocupaciones y prioridades de los participantes en relación con el ODS 16.

Dentro de esta creación

• Analicé respuestas de encuestas sobre legislación, ética y gobernanza de la IA.
• Examiné transparencia, derecho internacional, protección de datos, desinformación y desplazamiento laboral.
• Utilicé estadística descriptiva para comparar y ordenar las preocupaciones de los participantes.
• Construí vistas Power BI de respuestas y prioridades de gobernanza.
• Propuse mayor transparencia, estándares internacionales y protección de la privacidad a partir de los resultados de la encuesta.

Creatividad · Proyecto público

Digital Marketing Strategy for Bubble Tea Brand

oct 2024 – nov 2024

Una propuesta académica de marketing basada en análisis del entorno, marcos de combinación de marketing y planificación del recorrido del cliente.

Una propuesta de estrategia de marketing digital para una marca de té de burbujas. Relaciona investigación de clientes, posicionamiento y un plan de contenido de dos semanas en torno a la propuesta de valor «Menos estrés, más boba».

Dentro de esta creación

• Analicé el contexto empresarial mediante STEEP, DAFO y la mezcla de marketing.
• Desarrollé perfiles de clientes y representé el proceso de decisión de compra.
• Definí una propuesta de valor en línea basada en bebidas personalizadas y perlas de sabores.
• Planifiqué pilares de contenido, plataformas y segmentación de audiencia en un calendario editorial de dos semanas.
• Esbocé ideas de promoción pagada y presupuestos como propuesta, sin afirmar resultados medidos de campaña.

Datos · Análisis académico

Explorador de ofertas de empleo

oct 2024 – nov 2024

Exploración de patrones de interacción en ofertas de empleo.

Un análisis exploratorio de ofertas de empleo en LinkedIn centrado en salarios, características de los puestos y actividad de candidaturas. Limpia y une tablas de origen, deriva medidas comparativas y documenta cómo reconstruir el cuaderno.

• Python
• Pandas
• Matplotlib
• Limpieza de datos

Dentro de esta creación

• Preparé cinco tablas de origen sobre empresas, salarios, actividad, modalidades laborales, periodos de pago, niveles de experiencia y marcas temporales.
• Derivé salario anual, intervalo salarial, duración de publicación y una razón entre candidaturas y visualizaciones segura ante ceros.
• Examiné patrones de salario, modalidad laboral, experiencia, duración de publicación, visualizaciones, candidaturas, remuneración anual y conversión.
• Apliqué filtrado salarial IQR y comprobaciones opcionales de puntuación z para explorar atípicos.
• Organicé un cuaderno de 234 celdas en seis secciones, con verificación de reconstrucción en solo lectura y pruebas automatizadas.
• Documenté la indisponibilidad de las tablas originales y limité las conclusiones al análisis descriptivo de ofertas.

IA · Experimento en cuaderno

Predicción de fallos de máquinas

oct 2024 – nov 2024

Comparación de modelos para clasificar el estado de máquinas.

Un estudio de clasificación por ensamble sobre datos de fallos de máquinas con fuerte desequilibrio de clases. Separa entrenamiento, selección de umbral y evaluación final, y presenta compromisos de detección de fallos más allá de la exactitud.

• Python
• Aprendizaje automático
• Aprendizaje por conjuntos
• Evaluación

Dentro de esta creación

• Preparé 20,000 registros con 678 fallos y 2,579 celdas ausentes mediante preprocesamiento ajustado al entrenamiento.
• Combiné estimadores de árbol de decisión, bosque aleatorio, gradient boosting, AdaBoost, K vecinos más cercanos y regresión logística.
• Separé 12,000 registros de entrenamiento, 4,000 de validación de umbral y 4,000 de prueba con una semilla aleatoria fija.
• Seleccioné un umbral de decisión de 0.455 mediante F1 de validación entre 181 candidatos.
• Informé precisión reservada de 0.5932, exhaustividad de 0.7721 y F1 de 0.6709, detectando 105 de 136 fallos de prueba con 72 falsos positivos.
• Añadí 17 pruebas y documenté el límite de evaluación no temporal sobre un solo conjunto de datos; la validación en otras fábricas y la calibración siguen sin establecerse.

IA · Experimento en cuaderno

Laboratorio de precios de vivienda

oct 2024 – nov 2024

Estudio de modelos de precios de vivienda frente a una referencia sencilla.

Un estudio de regresión por ensamble con un conjunto académico de viviendas de 545 filas. Crea características inmobiliarias, compara ponderaciones con validación cruzada y reserva un conjunto de prueba independiente.

• Python
• Regresión
• Aprendizaje por conjuntos
• Evaluación

Dentro de esta creación

• Preparé datos de cinco ciudades y tres categorías de reforma, sin valores faltantes ni identificadores duplicados.
• Derivé predictores de habitaciones totales, superficie por dormitorio, baños por dormitorio y superficie por planta, excluyendo identificadores y precio de las entradas.
• Utilicé imputación, escalado y codificación one-hot ajustados por partición para evitar fugas de preprocesamiento.
• Comparé cuatro candidatos de ponderación mediante validación en cinco particiones sobre 436 filas de entrenamiento y seleccioné un ensamble 2:1:1 de Ridge, bosque aleatorio y gradient boosting.
• Evalué 109 filas reservadas: R² 0.5353, MAE 113,249.95 y RMSE 153,267.51, con menor error que la referencia basada en la mediana.
• Añadí 19 pruebas y documenté la ausencia de validación externa, intervalos de predicción y análisis por subgrupos; sigue siendo un estudio académico.

Datos · Proyecto público

Water & Energy Consumption Analysis of Shopping Mall

oct 2024 – nov 2024

Un panel de Power BI que explora el consumo de agua y electricidad de un centro comercial, sus tendencias y comparaciones por categoría.

Un análisis Power BI de cinco años de consumo de agua y electricidad en Prestige Mall. El panel facilita la discusión de patrones de uso de recursos y posibles mejoras de eficiencia.

Dentro de esta creación

• Analicé cinco años de datos de agua y electricidad del centro comercial.
• Construí vistas interactivas de tendencias de consumo, categorías y cambios interanuales.
• Utilicé mapas de árbol y gráficos de líneas, barras y cascada para explicar los hallazgos.
• Relacioné el análisis con el ODS 6 y el ODS 7.
• Propuse mejoras de eficiencia mediante narrativa de datos sin afirmar ahorros de recursos medidos.

Seguridad · Proyecto público

GovTech AI Capture-The-Flag

oct 2024

Participación en una competición de seguridad de IA con coordinación de equipo y resolución de problemas mediante retos.

Una participación de equipo en la competición Singapore AI Capture-The-Flag de GovTech. Combinó resolución técnica de problemas y coordinación ante diversos retos de IA y ciberseguridad.

Dentro de esta creación

• Participé en la competición Singapore AI Capture-The-Flag de GovTech CSG.
• Abordé retos de tipo jeopardy en siete ámbitos.
• Lideré la coordinación del equipo y la resolución colaborativa de problemas en condiciones de competición.

Investigación · Proyecto público

Fairness of Meritocracy in Singapore

abr 2024 – ago 2024

Un debate documentado que examina el acceso a la educación, los exámenes, las becas y las ventajas y límites de la meritocracia.

Un debate documentado sobre equidad y meritocracia en el sistema educativo de Singapur. Desarrolla argumentos estructurados y examina fortalezas y límites de exámenes, becas y aprendizaje permanente.

Dentro de esta creación

• Investigué cómo opera la meritocracia en el sistema educativo de Singapur.
• Examiné exámenes, becas y oportunidades de aprendizaje permanente mediante fuentes citadas.
• Preparé una posición a favor con ejemplos de apoyo y argumentos estructurados.
• Desarrollé contraargumentos y refutaciones sobre los límites de los resultados meritocráticos.

Comunidad · Proyecto público

Resolution to Unequal Education Opportunities

jun 2024 – ago 2024

Una propuesta que examina el aprendizaje en línea como respuesta a la desigualdad de acceso a la educación, incluida su viabilidad y las limitaciones de acceso digital.

Una propuesta contra la desigualdad de oportunidades educativas mediante una plataforma gratuita de recursos de estudio. Explora barreras socioeconómicas y evalúa los límites prácticos de un enfoque de acceso digital.

Dentro de esta creación

• Investigué barreras socioeconómicas a las oportunidades educativas.
• Propuse una plataforma gratuita de recursos de estudio, apuntes y exámenes de muestra.
• Apliqué SCAMPER y pensamiento computacional, incluidos descomposición, reconocimiento de patrones, abstracción y diseño de algoritmos.
• Representé el flujo propuesto mediante un diagrama de flujo.
• Consideré viabilidad, escalabilidad, acceso digital e infraestructura sin afirmar resultados educativos implementados.

Nube · Proyecto público

Website Deployment on AWS EC2 with WordPress

abr 2024 – ago 2024

Un despliegue académico de WordPress en la nube mediante un servidor Ubuntu, una pila LAMP y configuración de base de datos.

Un ejercicio académico de alojamiento en la nube que despliega WordPress en una instancia Ubuntu de AWS EC2. Cubre configuración de servidor, redes, base de datos e instalación de aplicaciones web.

Dentro de esta creación

• Aprovisioné una instancia EC2 con Ubuntu 22.04 e instalé Linux, Apache, MySQL y PHP.
• Configuré acceso administrativo SSH mediante PuTTY y asigné una Elastic IP.
• Creé la base de datos MySQL y los privilegios de usuario necesarios para WordPress.
• Configuré Apache, PHP y permisos del sistema de archivos de la aplicación.
• Probé el sitio académico mediante su DNS IPv4 público en aquel momento; no se afirma disponibilidad actual.

Investigación · Proyecto público

Application of Artificial Intelligence in Driving

abr 2024 – jun 2024

Una propuesta de investigación sobre IA para la seguridad vial, junto con consideraciones de coste, equidad, privacidad y seguridad.

Una presentación de investigación sobre posibles aplicaciones de IA a la seguridad vial en apoyo del ODS 3.6. Sopesa posibilidades técnicas frente a costes, sesgos y seguridad.

Dentro de esta creación

• Investigué enfoques de IA que podrían apoyar objetivos de seguridad vial y prevención de accidentes.
• Examiné sistemas autónomos, supervisión en directo y análisis predictivo como posibles enfoques.
• Expliqué las funciones de visión artificial, aprendizaje automático, redes neuronales, aprendizaje profundo y datos de apoyo.
• Comparé posibles beneficios con retos de coste, sesgo y seguridad.
• Propuse consideraciones para un despliegue responsable, incluida la equidad algorítmica; no se afirma un vehículo implementado ni una mejora de seguridad medida.

Comunidad · Proyecto público

NTU-GAIP Insurance Case Competition 2024

jun 2024

Una propuesta para una competición de casos de seguros que explora el apoyo de IA, la detección de fraude y la fijación de precios con criterios de gobernanza responsable.

Una propuesta centrada en IA para NTU–GAIP Insurance Case Competition 2024. Examina posibles mejoras de atención al cliente, detección de fraude y fijación de primas, considerando una gobernanza responsable.

Dentro de esta creación

• Investigué oportunidades de IA para una propuesta de competición de casos de seguros.
• Exploré aplicaciones de atención al cliente, detección de fraude y primas dinámicas.
• Consideré la viabilidad de implementación junto con los requisitos éticos.
• Abordé privacidad, sesgos y gobernanza responsable en el enfoque propuesto.

Investigación · Propuesta de sensibilización

Propuesta de sensibilización juvenil

oct 2022 – nov 2022

Una presentación de Boys’ Brigade sobre sensibilización juvenil y vigilancia comunitaria.

Una presentación Global Awareness de Boys’ Brigade que propone un taller juvenil sobre riesgos de radicalización, alfabetización digital y vigilancia comunitaria. Documenta una propuesta de prevención investigada, no un programa impartido ni un impacto medido.

• Investigación
• Alfabetización digital
• Comunidad
• Concienciación sobre riesgos

Dentro de esta creación

• Investigué riesgos de radicalización en línea y fuera de ella para una presentación de sensibilización juvenil.
• Esbocé un taller educativo para reconocer contenido preocupante, buscar ayuda y responder de forma segura.
• Relacioné la intervención temprana con alfabetización digital y vigilancia comunitaria.
• Consideré la sensibilidad del tema, riesgos de ejecución y posibles mitigaciones.
• Planifiqué funciones, personal, alianzas y recursos para el taller propuesto.

Investigación · Prepublicación de arXiv · 2025

Quantum–Classical GANs

Un experimento en la frontera entre dos mundos computacionales.

Mi prepublicación de arXiv de 2025 explora circuitos cuánticos ruidosos como distribuciones a priori latentes en modelos generativos y compara GAN clásicas e híbridas cuántico-clásicas.

• Computación cuántica
• Qiskit
• GANs
• Investigación

Dentro de esta creación

• Comparé variantes híbridas de 3, 5 y 7 cúbits mediante simulación con Qiskit.
• Evalué muestras binarias de MNIST generadas con FID y KID.
• Informé de que la referencia clásica obtuvo los mejores resultados en estos experimentos.

Investigación · Prepublicación de arXiv · 2025

Residual Learning Study

Entender por qué las conexiones de salto ayudan a las redes profundas.

Una prepublicación de arXiv de 2025, en coautoría con Xingyu Liu, que estudia las conexiones residuales comparando ResNet-18 con una CNN profunda convencional en CIFAR-10.

• Visión artificial
• ResNet
• CIFAR-10
• Investigación

Dentro de esta creación

• Estudié el papel de las conexiones residuales en el flujo del gradiente.
• Comparé el comportamiento de entrenamiento y los resultados de clasificación en CIFAR-10.
• Documenté la implementación y la evaluación en una prepublicación pública.