Software
Estoy profundamente comprometido con el software de código abierto y he estado construyendo herramientas de nivel profesional durante más de 15 años—remontándose a los días de Google Code aquí. Mi trabajo combina métodos estadísticos rigurosos con prácticas modernas de ingeniería de software, incluyendo control de versiones (Git/GitHub), integración continua, IA agéntica, tecnologías de contenedores y metodologías ágiles. He liderado equipos de desarrollo de software científico para entregar herramientas de alto rendimiento, confiables y fáciles de usar que son ampliamente adoptadas por investigadores y profesionales. La mayor parte de mi trabajo está construido en C++ con wrappers para R y Python, optimizado para su uso en entornos de computación de alto rendimiento. En todos los proyectos, diseño con el rendimiento y la usabilidad en mente, asegurando que los métodos complejos puedan ser tanto escalables como accesibles.
Recientemente, durante los últimos años, he incorporado IA en mi trabajo, influyendo en el desarrollo e innovación (vea aquí algunos ejemplos).
Un par de proyectos a destacar incluyen:
El framework epiworld es un framework avanzado de modelado basado en agentes escrito en C++ que fue diseñado para la creación rápida de prototipos de modelos de simulación enfocados en modelado epidemiológico. La biblioteca está disponible en R, Python, así como en un paquete shiny.
La aplicación más notable de epiworld es con el modelado del sarampión durante los recientes brotes en EE. UU. Puede ver una versión de la aplicación shiny que se desarrolló aquí. 
El paquete rgexf. Crea, lee y escribe archivos de grafos ‘GEXF’ (Graph Exchange ‘XML’ Format) (utilizados en ‘Gephi’ y otros). Usando el paquete ‘XML’, rgexf permite leer y escribir archivos GEXF, incluyendo atributos, atributos visuales ‘GEXF’ (como color, tamaño y posición), dinámica de redes (tanto para aristas como nodos) y pesos de aristas. Los usuarios pueden construir/manejar grafos elemento por elemento o masivamente a través de data frames, visualizar el grafo en un navegador web a través de ‘gexf-js’ (una biblioteca ‘javascript’), e interactuar con el paquete ‘igraph’.
Puede ver una versión en vivo de la biblioteca gexf-js en acción aquí.
El paquete ergmito de R. Simulación y estimación de Modelos de Grafos Aleatorios Exponenciales (ERGMs) para redes pequeñas usando estadísticas exactas como se muestra en Vega Yon et al. (2020) https://doi.org/10.1016/j.socnet.2020.07.005. A diferencia del paquete ‘ergm’, ‘ergmito’ evita usar el Estimador de Máxima Verosimilitud de Cadena de Markov (MC-MLE) y en su lugar usa el Estimador de Máxima Verosimilitud (MLE) para ajustar ERGMs para redes pequeñas. Como la enumeración exhaustiva es computacionalmente factible para redes pequeñas, este paquete de R aprovecha esto y proporciona herramientas para calcular funciones de verosimilitud y otras funciones relevantes directamente, lo que significa que en muchos casos tanto la estimación como la simulación de ERGMs para redes pequeñas pueden ser más rápidas y precisas que los algoritmos basados en simulación.
La siguiente es una lista exhaustiva de los paquetes de software que he construido o a los que he contribuido. Puede echar un vistazo a mis contribuciones más recientes y proyectos de código abierto en curso en mi GitHub
Esta versión del sitio web fue traducida automáticamente de la versión original en inglés usando GitHub Copilot y aún no ha sido verificada por un humano.