Guillermo Vidal Astudillo

Ingeniero de Machine Learning con sólida base científica (Ex-Researcher y Biólogo) especializado en el despliegue de sistemas de IA de alto rendimiento. Con experiencia en el desarrollo de modelos matemáticos complejos y producción mediante arquitecturas distribuidas (Ray), contenedores (Docker) e Infraestructura como Código (Terraform). Combino el rigor estadístico (Inferencia Causal, Diseño Experimental) con prácticas de ingeniería de software modernas (CI/CD, Arquitectura Hexagonal) para construir pipelines de ML escalables y resilientes. Historial probado reduciendo latencia de inferencia (50%) y optimizando costos de cómputo.

DBO Digital Chile Ltda.

AI Engineer  2025 

• Diseñé y desplegué arquitectura de microservicios asíncronos con FastAPI y Docker, orquestación de modelos NLP para el procesamiento de datos no estructurados NoSQL.
• Reduje tiempo de respuesta de inferencia en un 40% mediante estrategias de caché y optimización de serialización de datos.
• Implementé pipelines de CI/CD para el despliegue automatizado de modelos, integrando estándares de seguridad (ISO 27001) y sanitización de datos sensibles en el flujo de ingestión.
• Stack Tecnológico: Python, FastAPI, Azure OpenAI, Docker, PostgreSQL, Git, CI/CD, Scrum.

CL-RiskEngine: Motor de Simulación Distribuida con Ray 

ML Engineer    Enero 2026 – Presente

• Diseñé una arquitectura de software hexagonal, desacoplada,  distribuida (Ports & Adapters) gestionando el estado mediante el modelo de actores con Ray, permitiendo escalabilidad horizontal independiente del núcleo estocástico.
• Implementé una arquitectura Medallion (Bronze/Silver/Gold) integrando APIs del Banco Central (SIETES) y Yahoo Finance. Procesamiento de series temporales financieras optimizado con Apache Parquet.
• Desarrollé un motor Monte Carlo vectorizado aplicando Descomposición de Cholesky para modelar correlaciones complejas (IPSA/USD), eliminando latencia en cálculos de riesgo de mercado.
• Automatice la inyección de secretos y variables de entorno seguras, garantizando el cumplimiento de estándares de seguridad bancaria en el manejo de credenciales.
• Stack Tecnológico:  Python, Ray, Numpy (Vectorización), Docker.

NavOptima: Pipeline MLOps para Logística Marítima

Cloud Data Engineer & ML Engineer  Enero 2026 – Presente

• Desarrolle una infraestructura inmutable en Cloud usando Terraform, eliminando el "configuration drift" entre entornos de desarrollo y producción.
• Automatice el ciclo de vida del dato y reentrenamiento de modelos usando Apache Airflow, asegurando la integridad de los datos para modelos de optimización logística.
• Reducción de latencia en consultas críticas en un 54% mediante técnicas avanzadas de SQL Tuning y modelado dimensional eficiente.
• Implementé una arquitectura Zero-ETL en Google Cloud Platform, utilizando Consultas Federadas (Federated Queries) para integrar datos operacionales en tiempo real (AlloyDB) con el Data Warehouse analítico (BigQuery), eliminando la latencia de replicación.
• Aprovisioné recursos de nube y políticas de seguridad (IAM) mediante Terraform, asegurando un entorno inmutable y controlado para la ingesta y cruce de datos de telemetría marítima.
• Habilité el análisis de causa raíz instantáneo al unificar fuentes de datos heterogéneas (sensores en vivo vs. clima histórico), optimizando la toma de decisiones operativas sin costos adicionales de procesamiento batch.
• Stack: Terraform, Apache Airflow, PostgreSQL, Scikit-learn, GCP (BigQuery, AlloyDB), Terraform, SQL (Federated), GitHub Actions.

Red de Colegios de Bachillerato Internacional (IB)

Gestor de Programas Educativos y Análisis de Métricas  2016 - 2024

• Lideré equipos, aplicando retroalimentación basada en datos para optimizar el rendimiento académico de >150 estudiantes anuales, con mejoras cuantificables (PAES/IB).
• Traduje conceptos científicos (STEM/Python/Arduino) a audiencias no técnicas y gestioné la integración de tecnologías inmersivas (RV) alineadas a KPIs.

Pontificia Universidad Católica de Chile (Centro ECIM) 

Analista de datos 2014 - 2015

• Ejecuté de forma autónoma el ciclo completo de análisis de datos para publicaciones científicas, desde la limpieza del dataset (Data Cleaning) hasta la ejecución de baterías de pruebas estadísticas multivariadas.
• Lideré la modernización del flujo de trabajo analítico del laboratorio, migrando procesos manuales en SPSS hacia scripts reproducibles en Python (SciPy/Pandas) y R, reduciendo el margen de error humano.
• Sometí mis modelos y resultados a estrictos procesos de auditoría técnica por parte del Investigador Principal, garantizando la robustez estadística necesaria para estándares de publicación internacional.

Ingeniería en Informática Universidad Andrés Bello | Graduado: Diciembre 2025

Biólogo Marino - 2016 | Pontificia Universidad Católica de Chile

Cursos de Biología y Negocios - 2013 | Intercambio Académico Universidad de Costa Rica 

Profesor de Biología y Ciencias Naturales - 2016| Pontificia Universidad Católica de Chile