[{"content":"Contexto Este proyecto muestra trabajo SQL avanzado sobre datasets públicos disponibles en BigQuery.\nCompetencias demostradas Window functions: ROW_NUMBER, RANK, LAG, LEAD, SUM OVER CTEs recursivas y no recursivas Optimización de consultas: EXPLAIN, partitioning, clustering Agregaciones avanzadas: GROUPING SETS, ROLLUP Anti-joins y subqueries correlacionadas Stack técnico SQL · BigQuery · Google Cloud Platform\nResultados (Se completará cuando el proyecto esté totalmente publicado)\nVer en GitHub\n","permalink":"https://paulafonte.fr/es/portfolio/sql-showcase/","summary":"Demostración de SQL avanzado mediante CTEs, window functions y optimización de consultas sobre datasets públicos de BigQuery.","title":"SQL Showcase — Consultas avanzadas sobre datos públicos"},{"content":"Contexto Este proyecto cubre el diseño de un pipeline de datos completo en Google Cloud Platform, desde la ingesta hasta la visualización.\nArquitectura API pública -\u0026gt; Cloud Function -\u0026gt; Cloud Storage (raw) -\u0026gt; Dataflow (transformación) -\u0026gt; BigQuery (analytics) -\u0026gt; Looker Studio (dashboard) Orquestación: Apache Airflow (scheduling, dependencias, alertas)\nCompetencias demostradas Ingesta de datos desde una API REST Almacenamiento estructurado en Cloud Storage Transformación y carga en BigQuery Orquestación de tareas con Airflow Capa de exposición para dashboard Stack técnico Python · GCP · BigQuery · Cloud Storage · Dataflow · Airflow · Looker Studio\nResultados (Se completará cuando el proyecto esté totalmente publicado)\nVer en GitHub\n","permalink":"https://paulafonte.fr/es/portfolio/pipeline-etl-gcp/","summary":"Pipeline end-to-end con ingesta desde una API pública, transformación en BigQuery, orquestación con Airflow y exposición en dashboard.","title":"Pipeline ETL en GCP — Ingesta y transformación automatizadas"},{"content":"Contexto Este proyecto conecta mi formación en matemáticas aplicadas con la ingeniería de datos para resolver un problema concreto de previsión y detección de anomalías.\nEnfoque Análisis exploratorio y preparación de datos Feature engineering a partir de múltiples fuentes Modelado con Scikit-learn Evaluación e interpretación de resultados Visualización de predicciones y anomalías detectadas Competencias demostradas Estadística avanzada: test de hipótesis, series temporales Machine learning: modelos supervisados y no supervisados Modelización matemática: enfoque riguroso basado en mi formación académica Data storytelling: convertir resultados en recomendaciones operativas Stack técnico Python · Pandas · Scikit-learn · Matplotlib · SQL\nResultados (Se completará cuando el proyecto esté totalmente publicado)\nVer en GitHub\n","permalink":"https://paulafonte.fr/es/portfolio/analyse-predictive/","summary":"Modelos predictivos que combinan clima, sensores y señales de negocio, con una aproximación matemática aplicada a problemas operativos reales.","title":"Análisis predictivo — Previsión de demanda y detección de anomalías"},{"content":"¿Tienes un proyecto data, una misión freelance o simplemente quieres intercambiar ideas?\nPuedes escribirme aquí:\nEmail: paulafonte97@gmail.com Teléfono: +33 6 16 61 01 16 LinkedIn: linkedin.com/in/paulafonte GitHub: github.com/PaulaF-source Ubicación: París, Île-de-France — disponible en presencial y remoto Disponibilidad Estoy disponible para misiones freelance en data engineering, analytics y modelización predictiva. Son posibles misiones cortas o largas.\n","permalink":"https://paulafonte.fr/es/contact/","summary":"\u003cp\u003e¿Tienes un proyecto data, una misión freelance o simplemente quieres intercambiar ideas?\u003c/p\u003e\n\u003cp\u003ePuedes escribirme aquí:\u003c/p\u003e\n\u003chr\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003eEmail\u003c/strong\u003e: \u003ca href=\"mailto:paulafonte97@gmail.com\"\u003epaulafonte97@gmail.com\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003eTeléfono\u003c/strong\u003e: +33 6 16 61 01 16\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003eLinkedIn\u003c/strong\u003e: \u003ca href=\"https://linkedin.com/in/paulafonte\"\u003elinkedin.com/in/paulafonte\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003eGitHub\u003c/strong\u003e: \u003ca href=\"https://github.com/PaulaF-source\"\u003egithub.com/PaulaF-source\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003eUbicación\u003c/strong\u003e: París, Île-de-France — disponible en presencial y remoto\u003c/li\u003e\n\u003c/ul\u003e\n\u003chr\u003e\n\u003ch3 id=\"disponibilidad\"\u003eDisponibilidad\u003c/h3\u003e\n\u003cp\u003eEstoy disponible para misiones freelance en data engineering, analytics y modelización predictiva. Son posibles misiones cortas o largas.\u003c/p\u003e","title":"Contacto"},{"content":"Trabajo en tres áreas complementarias, organizadas alrededor de la fiabilidad de los pipelines, la claridad analítica y la automatización.\nData Engineering en GCP Para equipos que necesitan centralizar fuentes dispersas y hacer que sus flujos sean más operables.\nConectar APIs, ficheros, ERP o herramientas operativas en un flujo estructurado Construir pipelines ETL de ingestión, transformación y carga Organizar y optimizar el almacenamiento en BigQuery Orquestar tareas recurrentes con Airflow Stack: GCP, BigQuery, Cloud Storage, Dataflow, Cloud Run, Airflow, Docker, Python, SQL\nAnalytics y bases de reporting Para equipos que tienen datos, pero todavía no cuentan con una capa analítica clara y fiable.\nModelar tablas SQL a partir de la lógica de negocio y los KPIs Preparar bases de reporting para dashboards y análisis recurrentes Aclarar definiciones para mantener la coherencia de los indicadores Acompañar análisis operativos, logísticos, comerciales o marketing Stack: SQL, BigQuery, SQL Server, Power BI, Looker Studio, Python\nAutomatización de workflows data Para equipos que pierden demasiado tiempo en actualizaciones, sincronizaciones o controles manuales.\nAutomatizar tareas recurrentes con Python y servicios cloud Reducir trabajo manual en los flujos de reporting operativo Añadir puntos de monitorización y control cuando hace falta Entregar workflows más fáciles de mantener en el tiempo Stack: Python, Cloud Run, BigQuery, SQL, orquestación ligera\nModalidad Disponibilidad Inmediata Ubicación París, presencial o remoto en Francia Idiomas de trabajo Francés, inglés, español Duración de misión Desde un mes ¿Te interesa hablar de una misión? Contáctame →\n","permalink":"https://paulafonte.fr/es/services/","summary":"\u003cp\u003eTrabajo en tres áreas complementarias, organizadas alrededor de la fiabilidad de los pipelines, la claridad analítica y la automatización.\u003c/p\u003e\n\u003chr\u003e\n\u003ch2 id=\"data-engineering-en-gcp\"\u003eData Engineering en GCP\u003c/h2\u003e\n\u003cp\u003ePara equipos que necesitan centralizar fuentes dispersas y hacer que sus flujos sean más operables.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eConectar APIs, ficheros, ERP o herramientas operativas en un flujo estructurado\u003c/li\u003e\n\u003cli\u003eConstruir pipelines ETL de ingestión, transformación y carga\u003c/li\u003e\n\u003cli\u003eOrganizar y optimizar el almacenamiento en BigQuery\u003c/li\u003e\n\u003cli\u003eOrquestar tareas recurrentes con Airflow\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003e\u003cstrong\u003eStack\u003c/strong\u003e: GCP, BigQuery, Cloud Storage, Dataflow, Cloud Run, Airflow, Docker, Python, SQL\u003c/p\u003e","title":"Servicios"},{"content":"Recorrido Soy Paula Fonte, ingeniera de datos con un recorrido que combina rigor matemático y trabajo data orientado al uso real.\nDespués de estudiar matemáticas en la Universidad de La Habana, continué mi formación en Francia con un Máster en Matemáticas y Aplicaciones en Paris Dauphine-PSL y un Máster en Data Engineering en DSTI.\nDurante dos años trabajé como data engineer en una empresa de tecnología ambiental, gestionando toda la cadena de datos: desde la centralización de fuentes heterogéneas en Google Cloud Platform hasta la creación de dashboards en Power BI para dirección.\nEn paralelo, también participé en un proyecto de investigación en modelización matemática sobre grafos multicapa y análisis de sentimiento.\nQué me diferencia La combinación de matemáticas, data engineering y claridad informativa sigue siendo poco común. No solo construyo pipelines: también pienso en cómo los modelos analíticos siguen siendo comprensibles, fiables y útiles en la operación diaria.\nCompetencias técnicas Área Tecnologías Lenguajes Python, SQL, C++ Cloud GCP (BigQuery, Cloud Storage, Dataflow, Cloud Run) Orquestación Apache Airflow, Docker BI y visualización Power BI, Looker Studio, Matplotlib Data Science Pandas, Scikit-learn, modelización matemática Herramientas Git, GitHub, Linux Idiomas Francés: nivel profesional Inglés: avanzado Español: nativo ","permalink":"https://paulafonte.fr/es/about/","summary":"\u003ch2 id=\"recorrido\"\u003eRecorrido\u003c/h2\u003e\n\u003cp\u003eSoy Paula Fonte, ingeniera de datos con un recorrido que combina rigor matemático y trabajo data orientado al uso real.\u003c/p\u003e\n\u003cp\u003eDespués de estudiar matemáticas en la Universidad de La Habana, continué mi formación en Francia con un Máster en Matemáticas y Aplicaciones en Paris Dauphine-PSL y un Máster en Data Engineering en DSTI.\u003c/p\u003e\n\u003cp\u003eDurante dos años trabajé como data engineer en una empresa de tecnología ambiental, gestionando toda la cadena de datos: desde la centralización de fuentes heterogéneas en Google Cloud Platform hasta la creación de dashboards en Power BI para dirección.\u003c/p\u003e","title":"Sobre mí"}]