Skip to content
View Alvaro192023's full-sized avatar

Block or report Alvaro192023

Block user

Prevent this user from interacting with your repositories and sending you notifications. Learn more about blocking users.

You must be logged in to block users.

Maximum 250 characters. Please don’t include any personal information such as legal names or email addresses. Markdown is supported. This note will only be visible to you.
Report abuse

Contact GitHub support about this user’s behavior. Learn more about reporting abuse.

Report abuse
Alvaro192023/README.md

Álvaro Villanueva Kobayashi

Business Process Engineer @ BCP · ex-PwC · Ingeniero Industrial (Universidad de Lima)
Business Analytics · Data Science · Automatización de Procesos en el sector financiero


Bachiller en Ingeniería Industrial por la Universidad de Lima, con +3 años transformando datos en decisiones en el sector financiero. Mi trayectoria evolucionó desde la consultoría en PwC —donde construí pipelines de inteligencia regulatoria y automatización con Power Automate + AI Builder— hacia un rol estratégico de Analytics en el BCP, enfocado en ciencia de datos, ingeniería de datos y automatización de procesos que impulsan la segmentación comercial y la gestión de riesgo.

Convierto problemas de negocio en pipelines reproducibles, modelos de Machine Learning y flujos automatizados de punta a punta.

🎯 Áreas de enfoque

  • Ciencia de datos y ML aplicado — scoring de riesgo, propensión comercial, detección explicable de fraude (GNN + LLM) y forecasting.
  • Ingeniería de datos — pipelines ETL y Data Marts (Python, SQL, Microsoft Fabric).
  • Automatización e IA — flujos y asistentes RAG con n8n, Power Automate y AI Builder.
  • Business Intelligence — dashboards y modelado en Power BI (DAX avanzado).

🛠️ Stack principal

Python Pandas scikit-learn TensorFlow PyTorch SQL Power BI Microsoft Fabric Power Automate n8n Docker Git

🚀 Proyectos destacados

  • llm-gnn-aml-explainability — 🔬 Repo insignia. GNN + LLM para detección explicable de lavado de activos y SARs auditables. Paper en revisión en Expert Systems with Applications (DOI 10.5281/zenodo.21230449). PR-AUC 4.3× sobre el baseline; alucinaciones en SAR reducidas 21×. Con tests, Docker y CI.
  • datathon-sunass-2026 — 🏆 Finalista Nacional. Optimización operativa de una EPS de saneamiento: limpieza, K-Means y ruteo TSP (vecino más cercano + 2-opt).
  • regulatory-data-pipeline-v2 — Data Mart regulatorio (SMV · SBS · BVL) + segmentación comercial con K-Means; scraping y automatización con Power Automate + AI Builder.
  • credit-risk-neural-network — Red neuronal (TensorFlow) para probabilidad de default; AUC-ROC 0.89 y umbral óptimo orientado a negocio.
  • rag-virtual-assistant — Asistente RAG en n8n sobre bases documentales; ~60% menos tiempo de búsqueda. Autohospedable con Docker Compose.
  • GenKVA — Automatización operativa de procesos de negocio de punta a punta (Power Automate + AI Builder), reduciendo trabajo manual de semanas a minutos.

🎓 Formación

  • MicroMasters Program in Statistics and Data Science — MITx / edX (en curso)
  • Certificate Programme in Applied Data Science and AI — IIT Delhi
  • Lean Six Sigma Black Belt — AIGPE
  • Bachiller en Ingeniería Industrial — Universidad de Lima

alvarovillakoba515@gmail.com · ORCID

Pinned Loading

  1. credit-risk-neural-network credit-risk-neural-network Public

    Red neuronal (TensorFlow) para probabilidad de default; feature engineering + SMOTE; AUC-ROC 0.89 y umbral de corte optimo.

    Jupyter Notebook

  2. datathon-sunass-2026 datathon-sunass-2026 Public

    Optimizacion del servicio de saneamiento: limpieza + K-Means + asignacion de cuadrillas + ruteo TSP. Finalista.

    Jupyter Notebook

  3. poultry-campaign-yield-model poultry-campaign-yield-model Public

    Prediccion del rendimiento de campanas avicolas (% primera) con EDA y PyCaret / Random Forest

    Jupyter Notebook

  4. ai-invoice-processing-v2 ai-invoice-processing-v2 Public

    Extraccion automatica de facturas PDF con IA (OpenAI) hacia SQLite y dashboard en Power BI

    Python

  5. customer-segmentation-kmeans-v2 customer-segmentation-kmeans-v2 Public

    Segmentacion no supervisada de clientes bancarios con K-Means (codo + silueta + PCA)

    Jupyter Notebook

  6. llm-gnn-aml-explainability llm-gnn-aml-explainability Public

    GNN + LLM para deteccion explicable de lavado de activos (AML) y SARs auditables. En revision en Expert Systems with Applications. DOI 10.5281/zenodo.21230449. PR-AUC 4.3x vs baseline; alucinacione…

    Python