Montevideo, Uruguay · Científico de la Computación y Estadístico

Andrés Vidal

Trabajo para tender puentes entre la investigación en aprendizaje automático estadístico y el software rápido y confiable.

Sobre mí

Andrés Vidal

Soy científico de la computación y estadístico uruguayo, formado en la Universidad de la República en Montevideo (Ingeniería en Computación, 2022), donde además curso la Licenciatura en Estadística. He publicado investigación sobre modelos generativos profundos distribuidos, y mi trabajo se ubica en la intersección del aprendizaje estadístico, el diseño de algoritmos y la computación de alto desempeño.

En paralelo a la investigación, llevo más de 6 años construyendo software de producción para clientes de Estados Unidos como Senior Software Engineer en WyeWorks, donde me dedico al diseño de frameworks e interfaces y ayudo a definir la dirección técnica. Lo que mejor hago es convertir problemas enredados en abstracciones limpias y componibles. Aporto ese mismo rigor y oficio al software científico: métodos estadísticos, implementados para ser rápidos, testeados y reproducibles.

Investigación y publicaciones

Aumentación de conjuntos de datos utilizando redes neuronales generativas profundas distribuidas: exploración del uso de algoritmos coevolutivos multiobjetivo en busca de mejoras en la diversidad de las muestras generadas Tesis de Ingeniería en Computación, con A. Mautone y G. Ripa · Tutor: S. Nesmachnow Universidad de la República · 2022 Colibrí ↗

Publicaciones con revisión por pares · co-autoría

Parallel-Distributed Implementation of the Lipizzaner Framework for Multiobjective Coevolutionary Training of Generative Adversarial Networks S. Nesmachnow, J. Toutouh, A. Mautone, G. Ripa, A. Vidal Springer · CARLA 2023 doi ↗
Multiobjective coevolutionary training of Generative Adversarial Networks A. Mautone, G. Ripa, A. Vidal, S. Nesmachnow, J. Toutouh ACM · GECCO Companion 2023

Trabajo seleccionado

Principal · software científicoppforest2

código ↗ docs ↗

Una implementación rápida y eficiente en memoria de Projection Pursuit Random Forests: un núcleo en C++ con interfaces para R y CLI, y un sucesor moderno del paquete de R PPforest. Cortes oblicuos, entrenamiento multihilo y golden tests reproducibles. Enviado a CRAN. Proyecto de mi tesis de Estadística.

C++ROpenMPtidymodelsCI · coverageDoxygen · pkgdown

Richard & Isabel Burton Platform

código ↗

Una plataforma full-stack que cataloga traducciones al inglés de literatura brasileña. Evolucionó desde un proyecto del técnico en Java (JSF/JPA) hasta una plataforma en React + Elixir/Phoenix, registrada en el INPI, y hoy una colaboración voluntaria de investigación con el IFRS Canoas.

ElixirPhoenixTypeScriptReact · Next.js

Herramientas

TypeScriptReactNext.jsNestJSZodPostgreSQLElixir · PhoenixC++ · HPCRPythonEstadística / ML

Idiomas: español (nativo), portugués (bilingüe), inglés (Cambridge FCE, C1).

Experiencia

Desde 2020
Senior Software Engineer, WyeWorks Aplicaciones web de producción full-stack para clientes de Estados Unidos en TypeScript (React, Next.js, NestJS), desde herramientas colaborativas de ed-tech en tiempo real (React + CRDTs) hasta un framework de formularios basado en esquemas (React + Zod). También diseñé y llevé adelante el programa interno de onboarding de WyeWorks.
Desde 2013
Asistente de investigación, IFRS Campus CanoasBecario de Iniciación Científica (CNPq, IFRS) en proyectos interdisciplinarios que aplicaban software a las humanidades y la educación: literatura brasileña en traducción (que derivó en la plataforma Richard Burton) y robótica educativa. También docente ocasional de cursos cortos (tecnologías web 2020; Elixir/Phoenix 2023).

Formación

Próximamente
Maestría, Universidad de la República, UruguayComienzo de una maestría en la Facultad de Ingeniería (aprendizaje automático / matemática aplicada).
En curso
Licenciatura en Estadística (perfil tecnológico), Universidad de la República, UruguayAprendizaje estadístico, análisis multivariado y modelado matemático.
2022
Ingeniería en Computación, Universidad de la República, UruguayTesis sobre modelos generativos profundos distribuidos.

Otros

2015
Tecnicatura en Análisis y Desarrollo de Sistemas (orig. Técnico em Informática), IFRS Campus Canoas, Brasil

Contacto

Software científico, sistemas de ML, o un buen problema?
andres@andresvidal.dev

Email GitHub · andres-vidal LinkedIn · andresvidalberriel ORCID · 0009-0008-6350-7585 CV