Quelle expérience Vicente a-t-il avec l'IA et les LLMs ?

Vicente a une expérience pratique dans l'implémentation de systèmes RAG, le fine-tuning de LLMs et le développement de chatbots avec OpenAI et des modèles open source. Il a créé des systèmes qui automatisent 70% des requêtes répétitives.

Vicente est-il disponible pour travailler ?

Oui, Vicente est disponible pour une embauche immédiate. Il peut travailler à distance, en mode hybride ou sur site à Valence, Espagne. Il répond à toutes les demandes en moins de 24 heures.

Quelles technologies Vicente maîtrise-t-il ?

Vicente maîtrise RAG, LLMs, Python, TypeScript, React, Next.js, Node.js, Docker, AWS, TensorFlow et ROS2. Il possède la certification Scrum et une expérience en leadership d'équipe.

Quels projets remarquables Vicente a-t-il réalisés ?

Parmi ses projets remarquables : AidGuide (chien guide robotique avec vision par ordinateur), Osyris-Web (plateforme avec 100+ utilisateurs), et un système RAG qui automatise les requêtes DNI.

Comment puis-je contacter Vicente ?

Vous pouvez contacter Vicente via son portfolio sur vicenterivasmonferrer.dev, par LinkedIn, ou en planifiant un appel via Calendly. Il répond en moins de 24 heures.

Qu'est-ce que NeuroSpot ?

Detección de indicadores de TDAH mediante 6 juegos interactivos. Usa AWS Rekognition para análisis emocional facial y arquitectura 100% serverless con 8 servicios cloud.

Quelles technologies NeuroSpot utilise-t-il ?

NeuroSpot est développé avec Next.js 14, React 18, TypeScript, AWS SDK v3, Amazon DynamoDB et 7 autres technologies.

Qui a développé NeuroSpot ?

NeuroSpot a été développé par Vicente Rivas Monferrer, AI Engineer et Full Stack Developer de Valence, Espagne. Vous pouvez le contacter sur vicenterivasmonferrer.dev.

En production

NeuroSpot

Evaluación de TDAH infantil gamificada con AWS

>Le Problème

La detección temprana de TDAH en niños es crucial pero costosa: requiere múltiples visitas a especialistas, tests largos, y meses de espera. Las familias sin recursos tienen acceso limitado. Además, los niños se aburren con tests tradicionales, afectando la fiabilidad de los resultados.

>La Solution

NeuroSpot gamifica la evaluación cognitiva: 6 juegos interactivos que miden atención, memoria, inhibición y procesamiento. Análisis de emociones faciales con AWS Rekognition. Procesamiento de voz con Transcribe + Comprehend. Arquitectura 100% serverless con DynamoDB (3 tablas), S3, CloudFront, y Cognito. Modelo PAY_PER_REQUEST para optimizar costes.

>Resultados

Servicios AWS

DynamoDB, S3, CloudFront, Cognito, Rekognition, Comprehend...

Tests Cognitivos

Stroop, lectura, atención, memoria, observación, emociones

Tablas DynamoDB

Users, ExerciseResults, SessionData

Serverless

Arquitectura sin servidores que escala automáticamente

ML Services

Rekognition + Comprehend en producción

0€

Infra Fija

Solo pagas por uso (PAY_PER_REQUEST)

>Stack Technique

Frontend

Next.js 14React 18TypeScriptTailwind CSSshadcn/ui

Backend

AWS SDK v3

Database

Amazon DynamoDB

DevOps

Amazon S3Amazon CloudFrontAmazon CognitoAmazon CloudWatch

AI/ML

Amazon RekognitionAmazon ComprehendAmazon Transcribe

>Aprendizaje Clave

“AWS ofrece un ecosistema completo de servicios ML pre-entrenados (Rekognition, Comprehend, Transcribe) que permiten implementar IA avanzada sin entrenar modelos propios.”
Este proyecto me enseñó a orquestar múltiples servicios AWS en una aplicación real: desde autenticación (Cognito) hasta ML (Rekognition), pasando por almacenamiento (S3/DynamoDB) y CDN (CloudFront).

>Enlaces

Ver Codigo

Voir tous les projets Projet suivant