InicioCarreraProyectosServiciosStackBlogContacto
Iniciar sesión
InicioCarreraProyectosServiciosStackBlogContacto

Hecho con café, código y curiosidad, desde Colombia ☕

japalacio-08jeyson-anibal-palacio-palma

Hoja de vida

Descargar CV
¿Despliego hoy?juevesNo¡Llama a tu pareja!

© 2026 Jeyson Palacio. Todos los derechos reservados.

Política de privacidadTérminos del servicioCréditos
Stack

Herramientas y lenguajes

Tecnologías que domino, de frontend a infraestructura.

Backend23 piezas

Es donde paso la mayor parte del tiempo. Python (Django, DRF, FastAPI) para servicios de producto y APIs, Ruby on Rails cuando el dominio ya vive ahí, y Node con TypeScript para servicios de integración. Entre un proyecto y otro lo que cambia rara vez es el framework: cambia el modelo de datos y dónde se ponen los límites entre servicios.

Python

DjangoDjango REST FrameworkFastAPICelerySQLAlchemypytest

Ruby on Rails

ActiveRecordActiveJobSidekiqDeviseCanCanCanRSpecSorbet

Node y TypeScript

NestJSExpressDenoPrismaJestZod

Otros lenguajes

GoSwiftSQLBash
Frontend16 piezas

No es mi trabajo principal, pero he construido y mantenido bastante interfaz de operación: paneles de KYC, dashboards de experimentos A/B, seguimiento de entregas en tiempo real. React y Next.js son mi terreno habitual y Angular aparece cuando el equipo ya está ahí. En este tipo de pantallas pesa más que se entienda el estado que cualquier otra cosa.

React

ReactNext.jsReact NativeReduxReact Query

Angular

AngularRxJSTypeScript

Interfaz

Tailwind CSSFigmaDesign tokensAccesibilidad

Pruebas

JestVitestCypressPlaywright
Datos15 piezas

PostgreSQL por defecto, y el resto cuando hay una razón concreta: Redis para colas y caché, ClickHouse para analítica multitenant, pgvector y Pinecone cuando hace falta búsqueda semántica sobre datos propios. Los pipelines (Airflow, ETL, Segment) suelen ser la mitad del trabajo real, aunque nunca se vean en la interfaz.

Bases de datos

PostgreSQLMySQLMongoDBDynamoDBRedisClickHouse

Vectoriales y búsqueda

pgvectorPineconeNeo4jEmbeddingsRAG

Pipelines

Apache AirflowETLPandasSegment
Mensajería20 piezas

Aparece cuando dos servicios dejan de poder esperarse. Kafka y RabbitMQ para eventos, Temporal para flujos que duran días y tienen que sobrevivir a un reinicio, gRPC y Protobuf cuando el contrato importa más que la comodidad. Los patrones que van aquí (outbox, saga, idempotencia) están porque en producción los eventos llegan repetidos, tarde o en desorden.

Brokers

Apache KafkaRabbitMQPub/SubRedis Streams

Orquestación

TemporalCelerySidekiqCron

Contratos

RESTGraphQLgRPCProtobufOpenAPIWebhooks

Patrones

MicroserviciosSagaOutboxIdempotencyDead letter queueCQRS
Cloud y DevOps16 piezas

AWS y GCP sobre Kubernetes, con Terraform o Pulumi según lo que ya use el equipo. Mi objetivo es que desplegar sea aburrido: pipeline reproducible, rollback en un comando y suficiente instrumentación para responder qué se rompió sin abrir un debate. La observabilidad no la trato como un extra al final del proyecto.

Nube

AWSGoogle CloudCloudflareCoolify

Contenedores

DockerKubernetesHelmNginx

Automatización

TerraformPulumiGitHub ActionsJenkins

Observabilidad

PrometheusGrafanaSentryOpenTelemetry
IA13 piezas

Agentes y recuperación dentro del producto, no como demostración. En StyleSeat fueron agentes que quitan trabajo repetitivo a los profesionales; en Mastercard, modelos de detección de fraude conectados por MCP; en otros proyectos, RAG sobre datos propios. Lo que decide si sirve casi nunca es el modelo: son los datos que le llegan y las evaluaciones que lo miden.

Modelos

Claude APIOpenAI APIGoogle GeminiHugging Face

Agentes

Anthropic MCPLangChainTool callingEvals

Recuperación

pgvectorPineconeEmbeddingsRAGReranking