Kevin Gámez

Nueva York, NY (remoto), respaldada por MaC Venture Capital

• Responsable de la ingeniería en un equipo de seis personas a lo largo de varios pivots. Construí y operé la plataforma detrás de más de USD 160.000 en ingresos durante los primeros siete meses de 2026.
• Construí una plataforma de anuncios multi-tenant que unifica los datos de campañas de Meta y TikTok en un solo esquema de métricas. Un agente en Slack la maneja y reduce 165 herramientas a una lista corta por mensaje mediante coincidencia por palabra clave, con recuperación por embeddings como respaldo.
• Construí un generador de anuncios con IA que recibe la URL de una marca y devuelve creatividades terminadas, y luego volví editables esas creatividades por capas con docTR, SAM 3 e inpainting con LaMa. Mover el renderizado a GPUs bajó la generación de una hora a menos de 5 minutos.
• Puse cada API externa detrás de un circuit breaker con reintentos con jitter y tracé cada petición de punta a punta con OpenTelemetry.
• Automaticé el outreach y la búsqueda de candidatos con agentes de navegador en Playwright sobre Instagram, LinkedIn y X. El ritmo configurado por plataforma mantuvo las cuentas utilizables durante semanas y no horas.

Bogotá, Colombia, respaldada por Neo

• Construí una app móvil en React Native y Expo y una app web en Next.js para compradores y comercios, sobre servicios en TypeScript con NestJS y Prisma.
• Refactoricé servicios centrales y reduje los tiempos de respuesta en un 10% mediante mejores consultas de Prisma y una reestructuración de la lógica.
• Construí el sistema de alertas que clasificaba los errores de producción por severidad y enrutaba cada uno a un responsable, con Sentry y el monitoreo de Vercel.

Bogotá, Colombia

• Reemplacé los despliegues manuales llevando el pipeline a Azure y construyendo el CI/CD que publicaba automáticamente en el servidor de cada cliente.
• Fui responsable de un servicio de reportes en Python/Flask que ejecutaba consultas programadas sobre las bases de datos de los clientes.
• Construí los tableros en Power BI que los clientes usaban para seguir métricas de recursos humanos y nómina, reemplazando reportes que se armaban a mano.

Bogotá, Colombia

Bogotá, Colombia

• Opciones en Matemáticas y Administración (Dic 2022).

• Entrené DeepLab V3+ en PyTorch, comparando backbones MobileNet V3 y ResNet50, para segmentar plantaciones de palma de aceite a partir de compuestos SAR de Sentinel-1 y de banda roja de Sentinel-2.
• Alcancé 98,4% de exactitud y 0,991 de F1 en mosaicos de 10x10 km, frente al 96% de una línea base de machine learning convencional. Publicado en repositorio.uniandes.edu.co.