Sobre mí
Investigador cuantitativo con doble grado en Matemáticas e Informática, máster EMJMD en Big Data (18.5/20 — Premio al Mejor Expediente) y experiencia práctica desarrollando modelos en Python y C++ para predicción de series temporales, aprendizaje federado y robustez adversarial.
Actualmente enfocado en dar el salto definitivo al sector de las finanzas cuantitativas.
Actualmente enfocado en dar el salto definitivo al sector de las finanzas cuantitativas.
Educación
| Año | Título / Institución | Detalles |
|---|---|---|
| 2022‑24 | Máster EMJMD en Big Data Management & Analytics ULB 🇧🇪 • UPC 🇪🇸 • CentraleSupélec 🇫🇷 |
Nota media: 18.5/20 • Premio al Mejor Expediente Beca Erasmus Mundus (3 % de aceptación) |
| 2017‑22 | Doble grado en Matemáticas e Ingeniería Informática Universidad de Murcia 🇪🇸 |
TFG Matemáticas: 9.7/10 (Superficies de Willmore) TFG Informática: 9.9/10 (Modelo de Elementos Finitos de tejido mamario) Mención Honorífica al Mérito Académico |
| 2018‑ | Grado en Economía (a tiempo parcial) UNED 🇪🇸 |
80 % completado — realizado por interés personal |
Experiencia
Ingeniero de Investigación — Télécom Paris, Institut Polytechnique de Paris (2024–25)
Robustez adversarial en modelos de Deep Learning
- Redacción de una revisión sobre ataques y defensas adversariales (en revisión).
- Investigación en nuevos métodos para mejorar la robustez de modelos de DL.
- Tecnologías: PyTorch, HuggingFace, modelos generativos.
Ingeniero de Investigación & TFM — AIT Austria (2024)
Aprendizaje Federado Vertical para series espacio-temporales
- Implementación de un pipeline de VFL con preservación de privacidad → ‑34 % MSE vs. baseline.
- Coautor de artículo en EuroCarto 2024 (presentación oral); primer autor de paper en revisión.
- Tecnologías: PyTorch, MovingPandas.
Investigador en prácticas — Université Libre de Bruxelles (2023)
Sectorización dinámica del espacio aéreo
- Estudio e implementación de algoritmos existentes.
- Trabajo presentado en Eurocontrol HQ (Bruselas).
- Tecnologías: Python, PyTorch, scikit-learn.
Prácticas en Ciencia de Datos — Grupo Orenes (2022)
Predicción de demanda en máquinas tragaperras
- Pipeline completo de MLOps: Airflow + SQL Server → primer modelo predictivo de la empresa.
Ayudante de Investigación — Universidad de Murcia (2021‑22)
Simulación de tejido mamario mediante Elementos Finitos
- Desarrollo de solver en C++/deal.II para modelar deformaciones pre/post cirugía.
- Nota del TFG: 9.9/10 (Matrícula de Honor).
Idiomas
| Idioma | Nivel |
|---|---|
| Español | Nativo |
| Inglés | C1 |
| Francés | B2 (en progreso) |
| Catalán | A2 |
Habilidades
Programación Python, C/C++, SQL, Java, C#, MATLAB
Ciencia de Datos / ML Series temporales, procesos estocásticos, Monte Carlo, PyTorch, scikit‑learn
Big Data / DevOps Spark, Hadoop, Airflow, Docker, AWS
Bases de datos PostgreSQL, MongoDB, Neo4j, Oracle
Herramientas Git, Linux, LaTeX
Intereses
- Escalada • Fútbol • Divulgación científica
- Libros favoritos: La rebelión de Atlas • Pensar rápido, pensar despacio
- Cine: Interstellar • Origen • Columbo
Contacto
📧 joseantoniolorencio@gmail.com
💼 https://www.linkedin.com/in/lorencio-abril/
Código y publicaciones: https://github.com/Lorenc1o