Casos de Estudio

Contexto, decisiones técnicas y resultados medibles

Sistema OCR con IA para validación de credenciales

Contexto

Necesidad de procesar automáticamente credenciales físicas con validación de campos, orientación y extracción de datos. El proceso manual era lento y propenso a errores, requiriendo validación humana constante.

Decisión Técnica

Implementé un sistema con YOLOv8 para detección de campos mediante visión computacional, OpenCV para validación de orientación y Tesseract OCR optimizado. Control de hardware mediante RS-232/USB-COM con ingeniería inversa del dispositivo.

Resultado

Reducción de errores OCR en 35%, procesamiento en menos de 2 segundos por credencial. Sistema completamente automatizado que elimina la necesidad de validación manual en la mayoría de casos.

Reducción de errores: 35%Tiempo de procesamiento: <2 segundos

PythonYOLOv8OpenCVTesseractPyTorchSelenium

Plataforma educativa gamificada

Contexto

Plataforma educativa que necesitaba soportar más de 15,000 usuarios concurrentes con sistema de preguntas y respuestas, autenticación, gestión de perfiles, sistema de vidas y wallet virtual. Requería alta disponibilidad y bajo latency.

Decisión Técnica

Arquitectura modular con NestJS usando módulos desacoplados, Prisma ORM para gestión de base de datos, caching estratégico con Redis, y pipeline CI/CD completo con CodeBuild, ECR y Load Balancer en AWS. Implementé BFF (Backend for Frontend) con slices de Redux.

Resultado

Arquitectura que soporta +15,000 usuarios concurrentes con p99 <180ms. Pipeline CI/CD redujo tiempos de entrega en 40%. Sistema modular facilita mantenimiento y escalabilidad.

Usuarios concurrentes: +15,000Latency p99: <180msReducción tiempos entrega: 40%

NestJSDockerPostgreSQLPrismaNode 22AWSEBS3Redis

Plataforma de gestión electoral

Contexto

Sistema para campañas electorales que requería reconocimiento facial en tiempo real durante eventos masivos, árbol jerárquico de afiliados, geocercas y mapas interactivos con KPIs de crecimiento por zona geográfica.

Decisión Técnica

Implementé reconocimiento facial en vivo usando AWS Recognition con Kinesis para streaming de video, árbol jerárquico optimizado con estructuras de datos eficientes, y geocercas con cálculo de KPIs en tiempo real. Sistema de carga masiva de usuarios con validación.

Resultado

Reconocimiento facial en tiempo real durante eventos con procesamiento de streams de video. Árbol jerárquico permite visualización de organigramas dinámicos. Geocercas y mapas proporcionan KPIs de crecimiento por zona en tiempo real.

Procesamiento en tiempo realÁrbol jerárquico escalableKPIs geográficos en tiempo real

CakePHP 3MySQLAWS RecognitionKinesisTreesPHP

← Volver a proyectos