Currículum

Distinciones y premios:

• HDTV Grand Alliance Fellowship [2026] — seleccionado para recibir financiación por logros académicos y de investigación ejemplares

Investigación:

• IA médica @ Katabi Lab [2026–]

Investigación:

• Aprendizaje automático @ Jha Lab [2025–2026] — primer autor, principal colaborador de ML y redactor principal de artículos sobre detección de diabetes
  • Publicación: SweetDeep: A Wearable AI Solution for Real-Time Non-Invasive Diabetes Screening
  • Publicación: Machine Learning for Type 2 Diabetes Prediction using Continuous Glucose Monitors
• Robótica @ Silver Lab [2025–2026] — mejora de la transferencia real-to-sim-to-real mediante investigación en percepción y simulación
  • Investigación interna: Optimizing Robust Object-Centric Prompts for VLM-Based Robot Perception
  • Investigación interna: Building a Kinematic Simulator for the Princeton Robot Planning and Learning Lab

Divulgación:

• Robótica @ Silver Lab [2026] — construí un sitio web similar a Scratch, y después lo utilicé para enseñar abstracciones robóticas a estudiantes de secundaria

Distinciones y premios:

• Premio Class of 1939 [2024] — distinguido por obtener el mejor expediente académico entre los más de 1300 integrantes de la promoción de 2025 de Princeton
• Premio James Hayes-Edgar Palmer [2025] — reconocido por excelencia académica, liderazgo y creatividad en el trabajo de ingeniería
• Premio G David Forney Jr [2025] — premiado por un expediente excepcional en asignaturas de ciencias de la comunicación, sistemas y señales
• Premio Shapiro al rendimiento académico sobresaliente (2 veces) [2022, 2023]; Manfred Pyka Memorial Physics Prize [2022]
• 1.er puesto en la competición de robótica Pacbot de Harvard [2023]; 2.º puesto en el concurso de informática de Princeton [2023]

Liderazgo:

• Presidente, mentor y responsable de software + firmware del Princeton Robotics Team [2023–2025] — dirigí los equipos de Pacbot y Golf Cart
• Líder de servicio comunitario de Loaves & Fishes [2023–2025] — voluntariado para alimentar a personas sin hogar y residentes de bajos ingresos

Investigación:

• Robótica @ Fisac Lab [2024–2025] — desarrollé un enfoque de conducción autónoma basado en ILQR para perfeccionar la evasión de obstáculos en camiones a escala
• Aprendizaje automático @ Jha Lab [2025] — entrené modelos precisos, compactos y bien calibrados para detectar enfermedades mediante relojes inteligentes
  • Tesis de grado: Real-Time Disease Detection with Energy-Based Models
  • Investigación interna: PreCEPT: Pretraining Classifiers using Energy-based Priors and Teachers
• Hardware @ Martonosi Lab [2024] — diseñé y verifiqué un acelerador segmentado para encadenar operaciones frecuentes de colas de prioridad

• Becario de honor Burnett

• Puesto 1 de 1030 en la promoción
• Mejor expediente de la promoción
• Clasificado para la Olimpiada de Física

• Completé y desplegué un servicio integral para traducir y dar formato a presentaciones de Google Slides mediante modelos de visión y lenguaje, con control de versiones integrado, facturación cuidadosamente diseñada y actualizaciones de formato diferidas al modificar el contenido
• Integré webhooks de GitHub y Slack para un agente de localización de código, acelerando el ciclo de retroalimentación de los desarrolladores
• Formulé y validé vulnerabilidades de casos límite en la canalización de facturación del agente y las corregí para evitar cobros insuficientes
• Diseñé una canalización de validación automática para medir y corregir regresiones en la calidad de la traducción de lenguaje natural
• Amplié los formatos de archivo compatibles con la traducción —incluidos Lottie y SVG— mediante agentes de visión y lenguaje

• Colaboré con el equipo clínico para procesar y sincronizar flujos de datos de sensores corporales y crear conjuntos de datos para clasificar enfermedades
• Diseñé y validé un nuevo método para entrenar modelos transformer y perceptrones multicapa con series temporales fisiológicas, además de refinar su calibración y mejorar la consistencia entre ejecuciones de entrenamiento
• Construí y seleccioné características de relevancia clínica y entrené clasificadores 100 veces más pequeños con mejoras superiores al 10 % en precisión y F1
• Tripliqué la velocidad de iteración de modelos al automatizar el entrenamiento y la evaluación multifold en paralelo dentro de la infraestructura de CI/CD existente
• Coordiné la integración de modelos de cribado por aprendizaje automático en relojes inteligentes usando C++, Java y Android Studio

• Desarrollé una biblioteca de Python para entrenar clasificadores basados en energía en diversas tareas de detección de enfermedades con datos tabulares y fisiológicos
• Logré precisión de vanguardia en varios conjuntos de datos clínicos privados mediante un novedoso método de destilación de modelos basados en energía
• Incorporé detección fuera de distribución y aprendizaje semisupervisado en conjuntos de datos tabulares existentes mediante modelos basados en energía
• Concebí y orienté un proyecto de investigación de grado sobre modelos calibrados para aplicaciones de diagnóstico diferencial
• Apoyé el procesamiento de datos y el entrenamiento de modelos para un proyecto posdoctoral que predice emociones mediante señales fisiológicas

• Dirigí tutorías, apoyo con tareas, diseño de laboratorios y docencia en nueve cursos: Física, Cálculo Vectorial Avanzado, Mecánica Avanzada, Sistemas de Programación, Algoritmos, Diseño Lógico, Circuitos, Laboratorio de Sistemas Autónomos y Sistemas Robóticos Inteligentes
• Ayudé a más de 200 estudiantes con problemas, laboratorios, depuración de código y preparación de exámenes

• Introduje un marco para automatizar el perfilado, los análisis de rendimiento y consumo, y la visualización de ejecuciones de distintas cargas de trabajo en clústeres de centros de datos, integrándolo por completo en las herramientas habituales del equipo
• Diseñé y desplegué una herramienta de Ansible que registra y visualiza automáticamente el uso de placas de pruebas compartidas
• Planifiqué y lancé una nueva canalización de CI/CD para detectar errores introducidos en un conjunto interno de pruebas de rendimiento ampliamente utilizado
• Probé y mejoré un controlador del kernel que emplea el trazado de Linux para muestrear eventos de perfilado y caracterizar rápidamente las cargas de trabajo

• Amplié una herramienta interactiva e integral en la nube para analizar eventos del kernel, utilizada por ingenieros de automoción y clientes para mejorar la eficiencia de arranque y ejecución del sistema operativo y las capas de virtualización en Drive Orin
• Automaticé el diagnóstico de problemas de rendimiento frecuentes mediante una canalización para analizar registros de trazas del sistema operativo
• Depuré y mejoré una utilidad ligera en tiempo real para estimar el uso de CPU y memoria en vehículos autónomos

• Realicé investigación exploratoria sobre métodos de medición energética para el superchip Grace CPU
• Estudié, modifiqué y escribí controladores de dispositivo del kernel, enlaces de Device Tree, entradas de tablas ACPI y scripts de Bash para configurar y procesar las entradas de sensores de energía al chip y habilitar su telemetría y monitorización
• Mejoré una herramienta de análisis energético para permitir visualizaciones interactivas de grandes trazas de datos eléctricos y térmicos

• Implementé bibliotecas de pruebas en C y C++ para evaluar y resumir en tiempo real las métricas de rendimiento, temperatura y consumo de GPU NVIDIA Quadro embebidas, conexiones PCIe y tarjetas gráficas de la empresa
• Demostré las capacidades gráficas y de multiprocesamiento del hardware mediante aplicaciones con TensorFlow y OpenCV