Back-End Engineer InternIngeniero Back-End (Prácticas)后端开发工程师（实习）

NTT DATA · BarcelonaBarcelona巴塞罗那 · 世界500强 NTT 集团旗下

• Built enterprise-grade microservices and state-driven workflows on the Spring ecosystem to securely route and process financial records for a major banking client.
• Desarrollé microservicios de nivel empresarial y flujos de trabajo basados en estados con el ecosistema Spring para enrutar y procesar de forma segura registros financieros de un importante cliente bancario.
• 使用 Spring 生态系统开发企业级微服务与状态驱动的工作流，为大型银行客户安全地路由和处理金融记录。
• Mapped UI states directly to custom-designed relational database schemas, executing advanced SQL integrations to ensure rapid and reliable data persistence.
• Mapeé los estados de la interfaz a esquemas relacionales diseñados a medida, ejecutando integraciones SQL avanzadas para garantizar una persistencia de datos rápida y fiable.
• 将 UI 状态直接映射至定制设计的关系型数据库架构，执行高级 SQL 集成，以确保数据持久化的高效与可靠。
• Orchestrated end-to-end service delivery with GitHub Actions, resolving production bugs and sustaining ~90% unit-test coverage on core modules with JUnit.
• Orquesté la entrega de servicios de extremo a extremo con GitHub Actions, resolviendo errores en producción y manteniendo una cobertura de pruebas unitarias de ~90% con JUnit.
• 通过 GitHub Actions 编排端到端服务交付，解决生产环境 Bug，并使用 JUnit 将核心模块代码覆盖率维持在约 90%。

Big Data Management — End-to-End Data Lakehouse Gestión de Big Data — Data Lakehouse End-to-End 大数据管理——端到端数据湖仓 (Data Lakehouse) ↗

• Designed a containerized 3-tier (Cold/Warm/Hot) data architecture on Docker, integrating 10 GB of heterogeneous datasets through REST APIs with Spark and Redis.
• Diseñé una arquitectura de datos en contenedores de 3 niveles (Cold/Warm/Hot) en Docker, integrando 10 GB de conjuntos de datos diversos a través de APIs REST con Spark y Redis.
• 在 Docker 中设计并实现了容器化的三层数据架构（冷/温/热），使用 Spark 和 Redis 通过 REST API 集成了 10GB 的多源数据集。
• Orchestrated complex daily ETL workflows with Apache Airflow to guarantee continuous pipeline synchronization and highly available data loading.
• Orquesté flujos ETL diarios complejos con Apache Airflow para garantizar la sincronización continua del pipeline y una alta disponibilidad en la carga de datos.
• 通过 Apache Airflow 编排复杂的日常 ETL 工作流，确保流水线的持续同步与高可用的数据加载。
• Built an interactive web dashboard consolidating cross-platform metrics and running multi-algorithm recommendations on the structured data lake.
• Desarrollé un dashboard web interactivo que consolida métricas multiplataforma y ejecuta recomendaciones de múltiples algoritmos sobre el lago de datos estructurado.
• 构建交互式 Web 仪表盘以整合跨平台指标，在结构化的数据湖之上执行多算法推荐系统。

Floor Plan Graph Extraction with Vision-Language Models Extracción de Grafos desde Planos mediante Modelos de Visión y Lenguaje 基于视觉语言模型 (VLM) 的户型图至拓扑图提取 ↗

• Built an annotation-free pipeline converting 1,276 raster floor plans into structured topological graphs using a frozen Vision-Language Model (Qwen3-VL-8B), with no fine-tuning or labelled data.
• Construí un pipeline sin anotaciones que convierte 1.276 planos ráster en grafos topológicos estructurados usando un VLM congelado (Qwen3-VL-8B), sin fine-tuning ni datos etiquetados.
• 构建了免标注的数据提取流水线，使用冻结的视觉语言模型 (Qwen3-VL-8B) 将 1,276 张原始光栅户型图转换为结构化的拓扑图，无需任何微调或标注数据。
• Designed a six-stage prompting strategy (persona conditioning, ordered decision procedures, few-shot visual examples) reaching 90% classification accuracy and structurally valid graphs for 90.2% of plans.
• Diseñé una estrategia de prompting en seis etapas (condicionamiento de persona, procedimientos de decisión ordenados, ejemplos visuales few-shot), alcanzando un 90% de precisión de clasificación y grafos estructuralmente válidos en el 90,2% de los planos.
• 设计了六阶段提示词工程策略（角色设定、有序决策程序、少样本视觉示例），实现 90% 的分类准确率，并为 90.2% 的户型图生成结构有效的拓扑图。
• Devised an annotation-free validation framework and a persistent-memory human-in-the-loop refinement system, correcting mis-extractions without weight updates.
• Ideé un marco de validación sin anotaciones y un sistema de refinamiento human-in-the-loop con memoria persistente, corrigiendo extracciones erróneas sin actualizar pesos.
• 设计了免标注的验证框架和带有持久化内存的"人机协同 (human-in-the-loop)"优化系统，在不更新模型权重的情况下自动纠正提取异常。

STGF-LLM: Time-Series Forecasting & Synthetic Generation with LLMs STGF-LLM: Previsión y Generación Sintética de Series Temporales con LLMs STGF-LLM：基于大语言模型的时间序列预测与合成数据生成 ↗

• Engineered a unified framework fine-tuning a Large Language Model (Qwen3) for robust time-series forecasting and high-fidelity synthetic data generation.
• Desarrollé un framework unificado de fine-tuning de un LLM (Qwen3) para una previsión de series temporales robusta y la generación de datos sintéticos de alta fidelidad.
• 开发了一个统一框架，通过微调大语言模型 (Qwen3) 实现稳健的时间序列预测与高保真合成数据生成。
• Designed a "history-aware prompting" strategy to serialize multivariate temporal data, mitigating token-length bottlenecks to capture complex semantic patterns and seasonal fluctuations.
• Diseñé una estrategia de «history-aware prompting» para serializar datos temporales multivariantes, mitigando los cuellos de botella de longitud de tokens y capturando patrones semánticos y fluctuaciones estacionales.
• 设计了"历史感知 (history-aware)"序列化提示策略，有效缓解 Token 长度瓶颈，捕获多变量时序数据中复杂的语义模式与季节性波动。
• Benchmarked against state-of-the-art Deep Generative Models (TimeGAN, Chronos-T5), achieving competitive Train-on-Synthetic-Test-on-Real (TSTR) accuracy within hardware constraints.
• Comparé con modelos generativos profundos de vanguardia (TimeGAN, Chronos-T5), logrando una precisión TSTR (Train-on-Synthetic-Test-on-Real) competitiva dentro de las restricciones de hardware.
• 与最先进的深度生成模型 (TimeGAN, Chronos-T5) 进行基准测试，在硬件限制下实现了极具竞争力的 TSTR (Train-on-Synthetic-Test-on-Real) 准确率。

Steam Games Satisfaction Prediction — MLOps Pipeline Predicción de Satisfacción en Steam — Pipeline MLOps Steam 游戏满意度预测——MLOps 流水线 ↗

• Executed comprehensive data profiling and PCA feature selection on 150k+ API records, designing a custom Neural Network to capture non-linear relationships and maximize predictive R².
• Ejecuté perfilado de datos y selección de variables con PCA sobre más de 150.000 registros de API, diseñando una red neuronal a medida para capturar relaciones no lineales y maximizar el R² predictivo.
• 对超过 15 万条 API 记录执行全面的数据分析与 PCA 特征选择，设计定制化神经网络以捕获非线性关系、最大化预测 R² 得分。
• Architected an MLOps pipeline applying DuckDB across transformation stages for complete data lineage and instant rollback, with robust error handling during model training.
• Diseñé un pipeline MLOps aplicando DuckDB en las etapas de transformación para un linaje de datos completo y reversión instantánea de estado, con un manejo de errores robusto durante el entrenamiento.
• 架构了 MLOps 流水线，在数据转换各阶段应用 DuckDB 以保证完整的数据血缘 (Data Lineage) 和即时状态回滚，训练阶段具备健壮的错误处理能力。
• Developed a custom UI for automated execution, process monitoring and dynamic result visualization.
• Desarrollé una interfaz personalizada para la ejecución automatizada, la monitorización de procesos y la visualización dinámica de resultados.
• 开发定制化 UI 用于自动化执行、流程监控和结果的动态可视化。

Exchange Student (Master's)Estudiante de Intercambio (Máster)硕士交换生 86/100

Beihang University · Beijing · China's top-10 in engineeringUniversidad de Beihang · Pekín · top-10 de China en ingeniería北京航空航天大学 · 北京

• Coursework: Data Mining, Foundation Models, Information Retrieval.
• Asignaturas: Minería de Datos, Modelos Fundacionales, Recuperación de Información.
• 核心课程：数据挖掘、基础大模型 (Foundation Models)、信息检索。

Master in Data ScienceMáster en Data Science数据科学硕士 7.6/10 · Spanish 0–10 scale · 西班牙10分制

Universitat Politècnica de Catalunya (UPC)Universitat Politècnica de Catalunya (UPC)加泰罗尼亚理工大学 (UPC) · QS 工程与技术全球第96

• Thesis: Vision-Language Models (VLM) for Graph Extraction.
• TFM: Modelos de Visión y Lenguaje (VLM) para Extracción de Grafos.
• 毕业论文：基于视觉语言模型 (VLM) 的图结构提取。

Bachelor in Computer ScienceGrado en Ingeniería Informática计算机科学学士 7.3/10

Universitat Politècnica de Catalunya (UPC)Universitat Politècnica de Catalunya (UPC)加泰罗尼亚理工大学 (UPC)

• Thesis: State-of-the-art Recommender Systems (Collaborative Filtering & Deep Learning).
• TFG: Sistemas de Recomendación (Filtrado Colaborativo y Deep Learning).
• 毕业论文：前沿推荐系统研究（协同过滤与深度学习）。