Saltar al contenido

Ingeniería de IA y Seguridad · estudiante de último semestre

Construyo herramientas de seguridad y luego intento romper mis propios resultados

Defensa de la cadena de suministro, detección de phishing y triaje de vulnerabilidades — entregados con tests, gates de CI y tipado estricto, y medidos con la honestidad suficiente para reportar la cifra que duele.

Perfil

Johan David Rodriguez Castro
Bucaramanga, Santander, Colombia (disponible remoto)

Ingeniería de IA y Seguridad · estudiante de último semestre | Entrenamiento y evaluación de modelos · Detection Engineering · Seguridad de la cadena de suministro

Estudiante de último semestre de Ingeniería de Sistemas y Software (UPB Bucaramanga; fin de carrera previsto en 2026)

Soy estudiante de último semestre de Ingeniería de Sistemas y Software en la UPB (Bucaramanga), con inglés C2 verificado (EF SET), y busco un primer rol remoto en IA y machine learning: entrenar modelos y, sobre todo, evaluarlos bien. Mi segunda pata es la ciberseguridad, donde he aplicado casi todo lo que he entrenado. He entrenado modelos tabulares (LightGBM, XGBoost), redes con TensorFlow/Keras (un clasificador de SMS con 98,1 % de exactitud en validación) y, ahora mismo, un adaptador LoRA sobre un modelo de lenguaje pequeño (Qwen3-1.7B) con un dataset sintético propio, todavía sin evaluar frente al modelo base. Trabajo en Python y SQL. Lo que he medido, con su cifra honesta. Detector de URLs de phishing (LightGBM + SHAP): antes de entrenar encontré dos fugas de etiqueta independientes en el dataset PhiUSIIL; sin ellas, el modelo logra un 70,5 % de recall con un 1 % de falsos positivos frente a phishing enviado dos años después. Dashboard de priorización de vulnerabilidades: reproduje la ventaja de 6,1× que se cita para el pronosticador EPSS frente a CVSS y, al congelar sus puntuaciones en cinco fechas pasadas y contar solo la explotación posterior, el esfuerzo para cubrir el 80 % queda en 0,5–0,7×. Sistema de mercado con XGBoost y agentes (repositorio privado): validación walk-forward y una puerta que bloquea el capital real mientras el modelo no supere el 55 % de exactitud; hoy da 52,9 % y la puerta sigue cerrada. SlopGuard: un guardián contra el slopsquatting, los paquetes que un modelo de lenguaje inventa y un atacante registra, con 5 capas de detección y 2.687 tests. En la UPB colaboro como desarrollador y soporte técnico desde enero de 2026, en voluntariado: doy soporte a usuarios finales, identifico y analizo escaneos de puertos e intentos de intrusión en la red, y desarrollé en equipo el cliente móvil de GOATGuard (Flutter, 2FA TOTP). En 2025 fui Scrum Master de un proyecto académico de infraestructura de alta disponibilidad. Además curso la Especialización en Seguridad Informática de la UPB (posgrado, en curso).

Trabajemos juntos

Estoy abierto a roles de IA/ML y ciberseguridad, remote-first. Cuéntame qué estás construyendo.

Contáctame →