Investigación · Docencia · Proyección doctoral
Profesor en la PUCP. Investigador.
Inteligencia artificial, aprendizaje estadístico y optimización para tomar decisiones bajo incertidumbre. Una agenda que conecta fundamentos matemáticos, métodos computacionales y problemas reales.
Profesor en la PUCP · Lima, Perú
01 / Curriculum vitae
Profesor a tiempo completo del Departamento de Ingeniería de la Pontificia Universidad Católica del Perú, Sección Ingeniería Industrial. Docencia de pregrado y posgrado, investigación aplicada y asesoría de tesis.
Coordinador del Área de Gestión de la Innovación y miembro del Comité Directivo de la Maestría en Gestión y Política de la Innovación y la Tecnología.
La docencia vincula comprensión conceptual, implementación y evaluación. La asesoría de tesis desarrolla preguntas claras, decisiones metodológicas coherentes e interpretación sustentada en evidencia.
Tesis aprobada con mención Sobresaliente.
Tesis de título profesional con mención Sobresaliente.
Credencial del programa MicroMasters.
Más de quince años en dirección de proyectos de implementación de sistemas ERP, con especialización en SAP Business One. Consultoría de tecnologías de información e integración de sistemas para la gestión empresarial. Gerente general de CHANOSA.
02 / Investigación
Tres preguntas conectan la agenda: qué información está disponible, cómo se representa y qué conclusiones o decisiones permite sustentar.
Aprendizaje estadístico, identificabilidad y geometría de la información. Estudio de cómo los datos y su representación condicionan la inferencia y la evaluación de modelos.
Investigación de operaciones, simulación y análisis de sistemas bajo restricciones e incertidumbre.
Evaluación de evidencia, trazabilidad de afirmaciones y experimentación reproducible. Métodos para comprender qué aporta una representación y sustentar conclusiones confiables.
Interés en oportunidades doctorales para profundizar en los fundamentos matemáticos y estadísticos del aprendizaje y las decisiones confiables. Afinidad con grupos de aprendizaje automático, geometría de la información, optimización y ciencias de la decisión.
Trabajos seleccionados sobre datos incompletos, geometría del muestreo, calibración estadística y certificación de decisiones. El catálogo presenta las preguntas, resultados y contribuciones de cada línea, junto con su estado científico.
Explorar trabajos seleccionados2022 · Springer · Capítulo de libro
2022 · Springer · Capítulo de libro
03 / CHANOSA
Cada proyecto comienza con una necesidad de negocio y termina con criterios claros para evaluar lo que cambia.
Sistemas que responden al negocio
Alinear procesos, requerimientos y soluciones digitales. Identificar fricciones, priorizar mejoras y definir cómo verificar la calidad de una implementación.
Análisis al servicio de una decisión
Convertir preguntas de negocio en problemas analíticos. Evaluar la calidad de los datos, desarrollar alternativas de modelado y contrastar su utilidad en el contexto real.
De una idea a una ruta de trabajo
Estructurar iniciativas de innovación y desarrollar las capacidades para ejecutarlas. Articular objetivos, experimentación y aprendizaje dentro de la organización.
04 / Enfoque profesional
La tecnología aporta valor cuando responde a un problema bien definido. El trabajo se organiza alrededor de decisiones, evidencia y resultados observables.
Precisar el problema, el contexto y las restricciones. Definir qué decisión necesita apoyo.
Comparar alternativas y acordar el alcance, los entregables y los criterios de evaluación.
Probar los supuestos con datos y pilotos. Documentar resultados y limitaciones.
Entregar una solución comprensible y una ruta para su adopción, seguimiento y mejora.
05 / Contacto
Colaboración en investigación, oportunidades doctorales, docencia y asesoría académica. Para proyectos de tecnología y consultoría, contacto a través de CHANOSA.