luciel.dev

Jhamil Peña

Ingeniero de IA / ML · Lima

Convierto procesos manuales en sistemas que funcionan.

Abrir el laboratorioEscríbeme

Tour
Valle Sagrado
Fecha
14 nov 2026
Pasajeros
4 adultos
Recojo
07:00, hotel
Total
S/ 1 240,00
Adelanto
50 % pagado
Vendido por
Recepción
Estado
Confirmada

Hecha para reconstruirse desde git.

salida
HTML estático, generado por Astro al compilar
js de cliente
< 2 kB por página: el selector de dimensión y la reproducción del laboratorio
fuentes
alojadas aquí, nada se carga desde otro dominio
ejecución
nginx en su propio contenedor, detrás de Traefik
despliegue
se reconstruye desde el repositorio en cada versión

Dos sistemas, hechos para uso real.

tours

Activo · solo con inicio de sesión
Contexto

Una agencia de turismo y hotel en Cusco llevaba sus ventas, comisiones y liquidaciones en Excel con macros de VBA. Una fila eliminada no dejaba rastro.

Resultado

Un cliente real lo usa todos los días. No tiene demo pública, así que el código fuente es la muestra.

Enfoque

Un libro contable de partida doble desde el primer día: cada venta registra un asiento balanceado, y Python verifica el balance dentro de la misma transacción.

Sistema

Frontend en Next.js, API en FastAPI, SQLite en modo WAL, acceso basado en roles y un registro de auditoría con valores anteriores y posteriores.

Asistente de acreditación

En desarrollo · proyecto de la facultad
Contexto

El proceso de acreditación de la facultad requiere analizar y auditar grandes volúmenes de documentos no estructurados.

Resultado

En consultas repetidas, el prompt caching redujo en cerca de un 90 % los tokens que se envían como system prompt. Desarrollado con un compañero de clase bajo la supervisión de la facultad.

Enfoque

Un asistente LLM sobre Amazon Bedrock con sesiones por lotes en varias fases, monitoreo en vivo y recuperación automática ante fallos.

Sistema

FastAPI, PostgreSQL asíncrono, autenticación basada en roles, límite de tasa persistente, respaldos en S3 y cifrado AES-256-GCM.

Cientos de documentos. Auditados en minutos.

El asistente de acreditación, abierto para que lo pruebes: elige un documento de ejemplo y recibe una auditoría en la que cada hallazgo señala la página de donde salió.

Abrir el laboratorioHoy funciona con ejemplos sintéticos. Después: tu propio archivo, procesado en tu dispositivo.

syllabus-data-structures.pdfSílabo del curso · Estructuras de Datos · 6 páginas
  1. Los resultados de aprendizaje están declaradosCumplep. 1
  2. Los resultados se alinean con los objetivos del programaCumplep. 2
  3. Se describen los métodos de evaluaciónCumplep. 3
  4. Hay evidencia de trabajo de estudiantesFalta—
  5. Se registran acciones de mejoraParcialp. 6
  6. Se documenta la calificación del docenteParcialp. 1

  • Pregunta por mi trabajo

    Un modelo pequeño, ejecutándose en tu dispositivo, que conoce lo que hay en este sitio.

    Próximamente

  • Ajedrez contra un modelo

    Un tablero, un rival y el razonamiento detrás de cada jugada.

    Próximamente

leer → convertir → analizar → auditar → reportar

  1. 01leerel PDF se divide en páginas
  2. 02convertirlos escaneos pasan a texto, las tablas se conservan
  3. 03analizarun LLM lo recorre por fases
  4. 04auditarcada criterio se contrasta con el texto
  5. 05reportarcada hallazgo señala su página

Planificado: el modelo se ejecuta en tu navegador con WebGPU, con respaldo en WASM. Primero documentos de ejemplo, tu propio archivo como opción.

Quién construye esto.

Soy estudiante de Ciencias de la Computación en la Universidad Peruana de Ciencias Aplicadas (UPC), en Lima, Perú, con enfoque en ciencia de datos, aprendizaje automático e IA generativa. Trabajo con Python (pandas, scikit-learn, PyTorch, TensorFlow), LangChain, SQL y Docker.

Actualmente desarrollo, junto con un compañero de clase y bajo la supervisión de la facultad, un sistema asistido por LLM sobre Amazon Bedrock que analiza grandes volúmenes de documentos no estructurados para el proceso de acreditación de la facultad. Utiliza un backend en FastAPI, PostgreSQL asíncrono, procesamiento por lotes en varias fases y prompt caching.

Antes realicé prácticas en Procesos y Tecnología para Wealth Management en Credicorp Capital (dashboards de Power BI, optimización de SQL, apoyo en la migración a Databricks/Spark y ETL con SSIS). También he liderado comunidades tecnológicas estudiantiles como Presidente de IEEE CIS UPC y Director de Proyecto en IEEE ComSoc UPC.

De un café en Cusco a sistemas en producción.

  1. 2017 – 2022

    Basílica Café, Cusco

    Soluciones tecnológicas freelance: reportes automatizados de demanda para la gerencia y un ETL desde el sistema de ventas hacia una base de datos central.

  2. 2022 – actualidad

    Ciencias de la Computación, UPC

    Ciencia de datos, aprendizaje automático e IA generativa.

  3. Oct 2024 – Jun 2025

    Presidente, IEEE CIS UPC

    Lideré el portafolio de proyectos del capítulo y sus alianzas con la industria.

  4. Jul – Sep 2025

    Director de Proyecto, IEEE ComSoc UPC

    Lideré un equipo multidisciplinario que construyó un sistema de inventario IoT con arquitectura de microservicios.

  5. Oct 2025 – Mar 2026

    Practicante, Credicorp Capital

    Procesos y tecnología para Wealth Management: dashboards de Power BI, optimización de SQL, apoyo en la migración a Databricks y ETL con SSIS.

  6. Mar 2026 – actualidad

    Desarrollador full-stack y de IA generativa, UPC

    El asistente de acreditación descrito arriba.

Medido, no proyectado.

Cada cifra indica de dónde proviene.

1cliente en produccióntours.luciel.dev
144pruebas automatizadas en esa aplicación68 vitest · 76 pytest
~90%menos tokens de system prompt en consultas repetidas, con prompt cachingsistema de acreditación · CV
< 2 kBde JavaScript de cliente en cualquier página del sitioel selector de dimensión y la reproducción del laboratorio

Con qué construyo.

ML y aprendizaje profundo
Pythonpandasscikit-learnPyTorchTensorFlow
LLM
Amazon BedrockLangChainprompt caching
Datos
SQLPostgreSQLDatabricksPower BI
Sistemas
FastAPIDockerTraefikAWS

Cómo está hecho este sitio.

  • Herramientas reales, no demos

    Cada proyecto es una herramienta que resuelve un problema real, no una demo sin nada detrás.

  • Un subdominio por herramienta

    Cada herramienta vive en su propio subdominio, con contenido genuino escrito a su alrededor.

  • Infraestructura reproducible

    Todo se ejecuta sobre infraestructura versionada en git: Traefik y Docker Compose, un contenedor por aplicación.

Todas las herramientas de la plataforma.

  • toursActivo
  • rtkPróximamente
  • graphPróximamente
  • hackathonsPróximamente

Ver los detalles en la página de Proyectos

¿Tienes un proceso que se come horas?

Cuéntame cómo funciona hoy. Si la IA puede quitártelo de encima, te muestro cómo.

Escríbeme

Lee el código.

Este sitio y cada herramienta que lista viven en un único monorepo público.

github.com/Jaed69/luciel-platform ↗