👋 ¡Hola! Soy Guillermo, un profesional con más de 10 años de experiencia liderando la convergencia entre ciencia de datos, modelamiento ambiental y geomática. Mi carrera se ha centrado en transformar datos crudos (satelitales, climáticos, territoriales) en soluciones estratégicas y productos de datos de alto impacto.

Como Consultor Senior y Coordinador Académico, mi trabajo abarca desde la dirección de consultorías complejas para la gran minería y el sector público, hasta la formación de la próxima generación de expertos en tecnología geoespacial. Este portafolio es una muestra de mi doble pasión: resolver problemas del mundo real con código y compartir ese conocimiento.

Geomática & Teledetección: ArcGIS Pro/Online QGIS Google Earth Engine PostGIS GRASS SAGA FRAGSTATS

Ciencia de Datos & ML: Python (Scikit-Learn, GeoPandas, Rasterio) R (Tidyverse, Caret, Shiny) SQL XGBoost SHAP

Modelamiento Ambiental: MODFLOW WEAP CALPUFF AERMOD OpenAir (R) Stella Vensim

BI & Desarrollo Web: Power BI R Shiny Leaflet React JavaScript HTML/CSS

Teledetección aplicada a eventos de floración en ecosistemas áridos Flujo reproducible con MODIS MOD13Q1, Google Earth Engine y Python para construir climatologías NDVI, calcular anomalías y cuantificar eventos de bloom entre 2000–2026. Conecta monitoreo satelital, análisis temporal y comunicación científica aplicada a ecosistemas áridos.

Análisis hidroclimático reproducible de Chile central (2015–2024) Pipeline de Python automatizado para evaluar la disponibilidad hídrica y la sequía en Chile central usando datos ERA5-Land. Incluye cálculo de SPI, balance hídrico, análisis de tendencias (Mann-Kendall/Sen) y visualizaciones publicables.

Estaciones para estudios ecosistémicos de carbono, agua y energía Pipeline reproducible para descubrir, descargar, estandarizar y analizar datos de estaciones de covarianza de remolinos (eddy covariance) en Chile y Sudamérica austral. Integra 6 estaciones validadas con datos 2014–2024 (+11.000 observaciones estandarizadas), interfaz web interactiva y un notebook de Google Colab para demostración end-to-end de los flujos de carbono, agua y energía en ecosistemas patagónicos.

Librería Python para convertir series mensuales en diarias Convierte series mensuales en series diarias preservando propiedades estadísticas críticas, con aplicación en bioclimatología, hidrología, agroclima y modelación ambiental. Incluye CLI, API Python, tests, tutoriales y documentación técnica.

Paquete R para distribución espacial de variables ambientales Implementa GWR (Geographically Weighted Regression) con procesamiento en paralelo, downscaling, imputación espacial y preparación de capas predictoras para modelación ambiental.

Librería de R especializada en análisis agroclimático Automatización de indicadores agroclimáticos (horas frío, acumulación térmica) para la agricultura de precisión. Proyecto en evolución activa orientado a uso en campo y docencia.

Proyectos de análisis y modelamiento aplicados a sectores fuera del ámbito ambiental, orientados a negocio y sector público.

Mercado ChileCompra 2019–2025 Pipeline de análisis sobre más de 807.000 licitaciones de ChileCompra, con ETL para datasets de +30 GB, índice de oportunidad de mercado por sector y modelos Prophet/XGBoost para proyecciones 2025–2028. Identifica sectores con mayor crecimiento de demanda estatal e incluye visualizaciones interactivas publicadas vía GitHub Actions. El procesamiento masivo está modularizado en chilecompra-data-processor.

Framework de Data Drift y degradación de performance Framework integral para detectar Data Drift y degradación de performance en modelos de producción, asegurando la trazabilidad en pipelines de datos territoriales.

Pipeline ML End-to-End con XGBoost, LightGBM y SHAP Pipeline completo para identificar clientes en riesgo de abandono: ingeniería de características, comparación de modelos (XGBoost, LightGBM, Regresión Logística), manejo de desbalance con SMOTE e interpretabilidad con SHAP. Mejor modelo alcanza ROC-AUC de 0.85 sobre el dataset IBM Telco (7.043 clientes).

Perfiles accionables para retención y cross-selling Pipeline de segmentación no supervisada basado en análisis RFM, K-Means y clustering jerárquico, con estimación de Customer Lifetime Value (CLV) por segmento. Genera perfiles accionables con estrategias de retención, cross-selling y comunicación personalizadas para cada grupo de clientes.

Tesis de Magíster — Universidad de Chile Desarrollo de un método para estimar la distribución espacial de la precipitación mensual en alta resolución en el desierto de Atacama (Chile) a partir de productos CHIRPS. Landing y repositorio dedicados a la tesis, centrada en downscaling de precipitación, modelamiento espacial y análisis territorial.

• Investigación Científica: Autor de más de 15 publicaciones, incluyendo artículos en Scientific Reports (Nature), Remote Sensing e Hydrology. Mi trabajo se centra en la aplicación de teledetección para estudiar el cambio climático y sus efectos en recursos hídricos y ecosistemas.
• Consultoría Estratégica: He liderado y participado en proyectos de alto perfil para clientes como Anglo American, SQM, ENAP, Aguas Andinas, SAG, INE y CORFO, desarrollando desde líneas base ambientales y modelamiento de dispersión hasta el rediseño territorial para el Censo 2024.
• Liderazgo Académico: Como Coordinador y docente en 4 universidades chilenas (U. de Chile, U. San Sebastián, U. Mayor, U. Bernardo O'Higgins), he diseñado y liderado programas de formación en SIG, Data Science y Modelamiento Ambiental, además de dirigir capacitaciones para el sector público y privado.

Mi objetivo es doble: aplicar la ciencia y la tecnología para resolver los desafíos ambientales más urgentes de nuestro tiempo, y empoderar a otros para que hagan lo mismo.