Disponible para nuevos proyectos

Hola, soy Diego De La Flor

~/

AI & Full Stack Developer

Transformo problemas complejos en software de alto impacto con IA y arquitecturas modernas.

Ver proyectos GitHub
2+ Años de experiencia
3+ Roles progresivos
4 Proyectos destacados
100% Orientado a impacto

01. about

Sobre mí

Quién soy, qué hago y qué tecnologías uso para hacerlo.

D

Diego De La Flor

AI & Full Stack Developer

Full Stack Developer con 2+ años de experiencia especializado en integración de IA, automatización inteligente y arquitecturas cloud-native. Diseño y construyo sistemas end-to-end: desde sensores IoT y pipelines de datos hasta APIs REST escalables y frontends reactivos. Apasionado por reducir fricción operacional con machine learning aplicado y por entregar valor medible en cada sprint.

  • Ubicación Lima, Perú
  • Formación Ing. de Software — UPC, Lima
  • Idiomas Español (nativo) · Inglés (B1)
  • Disponibilidad Open to work — full-time / freelance

Cursos & Certificaciones

  • Especialista en Excel IDAT · 2023
  • Analista de Ciberseguridad UPC · 2022
  • SQL para Ciencia de Datos UPC · 2022

Stack tecnológico

Backend
C# .NETNestJSSpring BootLaravelREST APIsMicroservicesNode.js
Frontend
ReactNext.jsAngularFlutterTypeScriptHTML5 / CSS3Responsive Design
AI & Datos
PythonLLMsPrompt EngineeringRAGRandom ForestMachine LearningIoT / ESP32
Bases de datos
SQL ServerPostgreSQLMySQLMongoDBFirebaseAzure DB
DevOps & Cloud
DockerGitHub ActionsAWSAzureCI/CDJenkinsGit
Metodologías
SCRUMJiraConfluenceClean ArchitectureDDD

02. experience

Experiencia

Trayectoria profesional y los problemas que he resuelto en producción.

  1. Actual

    AI Developer

    Mando HR

    Feb 2026 – Actualidad
    • Desarrollé una herramienta de automatización avanzada que analiza el DOM en tiempo real para generar estructuras JSON y scripts de prueba End-to-End en Cypress de forma automática.
    • Implementé un sistema de generación de pruebas basado en RAG mediante la integración de OpenAI API con Jira y Confluence que redujo el tiempo de creación en un 70.9%.
    • Creé una aplicación de escritorio con Electron y React especializada en capturar interacciones de usuario para la generación de artefactos de testing reutilizables.
    • Optimicé el ciclo de desarrollo mediante ingeniería de prompts y generación asistida por IA para acelerar la entrega de código y la resolución de problemas complejos.
    • Lideré el análisis técnico de requerimientos en módulos de Laravel garantizando la calidad del software y una integración fluida entre componentes nuevos y existentes.
    PythonLLMsAzure DBPrompt EngineeringREST APIsDockerAPI AnthropicAPI OpenAIRAGJira APIGCP

  2. Full Stack Developer

    Mando HR

    Ene 2025 – Ene 2026
    • Creación de funcionalidades escalables utilizando Laravel y NestJS en el backend, integradas con interfaces dinámicas en Angular (Ant Design) y React + Vite.
    • Mejora continua de aplicaciones legacy, implementando patrones de diseño para elevar la mantenibilidad y el rendimiento general del software.
    • Arquitectura y optimización de consultas en bases de datos SQL y NoSQL, garantizando una respuesta rápida y una gestión de datos estructurada.
    • Consumo y desarrollo de APIs robustas, facilitando la interoperabilidad entre microservicios y aplicaciones basadas en PHP/Laravel.
    • Otimización del motor de importación masiva de datos, logrando una reducción significativa en los tiempos de ejecución y garantizando la integridad de la información (cero duplicados).
    ReactNode.jsReactPHPNestJSNoSQLSQLTypeScript

  3. QA Trainee

    Mando HR

    Sep 2023 – Dic 2024
    • Aseguré la calidad y consistencia de servicios backend desarrollados en PHP, implementando suites de pruebas en Postman para validación de contratos de API.
    • Maximicé el rendimiento del sistema mediante el análisis de métricas en Apache JMeter, mitigando riesgos de caída de servicio bajo alta demanda.
    • Garanticé una cobertura de pruebas del 100% en requisitos críticos para plataformas web y móviles, optimizando la documentación de errores y la comunicación con el equipo de desarrollo.
    • Reduje inconsistencias visuales y funcionales al estandarizar pruebas de compatibilidad global con BrowserStack, cubriendo diversos navegadores y sistemas operativos.
    JMeterBrowserStackAPI TestingPerformance TestingPostmanNewmanMetodologías Ágiles

03. projects

Proyectos Destacados

Sistemas que he diseñado y construido end-to-end, desde la arquitectura hasta producción.

Público 1 proyecto — código disponible
Privado 3 proyectos — bajo NDA / propiedad intelectual
Público

Legacy-to-Modern Architect

Feb 2026

Problema

Aplicaciones monolíticas legacy con deuda técnica acumulada, tiempos de despliegue lentos y alta fricción para incorporar nuevas funcionalidades.

Solución arquitectónica

Arquitectura de migración progresiva de monolito a microservicios usando strangler-fig pattern. Pipeline CI/CD con GitHub Actions, contenedores Docker y despliegue en AWS/Azure. Refactorización incremental con feature flags para zero-downtime migration.

Impacto & Valor

  • Reducción del tiempo de despliegue en un 70%
  • Arquitectura desacoplada lista para escalar horizontalmente
  • Documentación técnica de patrones replicables

Tecnologías

Node.jsDockerGitHub ActionsAWSAzureMicroservicesReactTypeScript
Privado

Sistema de Recomendación Agrícola — Café

Ago 2024 – Dic 2025

Problema

Los agricultores cafetaleros carecen de orientación personalizada basada en datos para optimizar rendimiento y calidad del cultivo según condiciones ambientales reales.

Solución arquitectónica

Sistema de doble backend: Spring Boot para procesamiento local de datos de sensores IoT y .NET (Azure) para lógica cloud. Pipeline de datos desde sensores ESP32 (humedad, NPK, lluvia) hacia un modelo Random Forest entrenado para generar recomendaciones contextuales. APIs REST consumidas por una aplicación frontend.

Impacto & Valor

  • Motor de ML con Random Forest para recomendaciones en tiempo real
  • Integración de 4 tipos de sensores IoT en producción
  • Doble backend local/cloud para resiliencia offline
  • APIs REST desacopladas consumidas por múltiples frontends

Tecnologías

Spring BootJava.NETAzurePythonRandom ForestESP32Raspberry PiIoTSQL ServerREST APIs
Privado

RAG-Powered Test Generator

Ene 2026 – Actualidad

Problema

La creación manual de casos de prueba desde historias de usuario en Jira y Confluence consumía ~50 horas por sprint, generando cuellos de botella en QA.

Solución arquitectónica

Sistema basado en RAG (Retrieval-Augmented Generation) que ingesta y contextualiza documentación técnica desde Jira y Confluence. Orquestado con Node.js y la API de Anthropic, genera automáticamente casos de prueba estructurados y los exporta como código Cypress y registros en Google Sheets.

Impacto & Valor

  • Reducción del 70.9% en el tiempo de creación de pruebas (50h → 14h por sprint)
  • Trazabilidad automatizada desde el requerimiento hasta la prueba E2E

Tecnologías

Node.jsAnthropic APIRAGJira APIGoogle SheetsCypress
Privado

DOM Capture & Test Generator

Feb 2026

Problema

La construcción de scripts E2E requería inspección manual y repetitiva del DOM para extraer selectores robustos, ralentizando la cobertura de pruebas.

Solución arquitectónica

Aplicación de escritorio con Electron, React y Vite que captura el estado del DOM en tiempo real durante la navegación. Genera automáticamente mappings JSON (Page Object Model) y produce pruebas E2E reutilizables listas para Cypress.

Impacto & Valor

  • Aceleración radical en la codificación y mantenimiento de pruebas E2E
  • Estandarización de selectores, reduciendo la fragilidad de las suites de prueba

Tecnologías

ElectronReactViteTypeScriptCypressDOM Analysis
Ver todos mis repositorios en GitHub

04. contact

Trabajemos juntos

¿Tienes un proyecto ambicioso o una posición donde necesitas IA y arquitecturas modernas? Estoy disponible para conversaciones.

Envíame un mensaje

Respondo en menos de 24h. Cuéntame el desafío técnico o la oportunidad y evaluamos si hay fit.

diegoalonso139@gmail.com
GitHub LinkedIn