Hola, soy Maximiliano Barrios López
Desarrollador Full Stack · Android & IA · Backend & Bases de datos
Construyo aplicaciones Android con IA on-device, plataformas web full stack y APIs robustas. Desde estimar cultivos con la cámara del celular hasta diseñar arquitecturas de backend con bases de datos escalables. Me mueve resolver problemas reales con código limpio y decisiones técnicas bien fundamentadas.
Sobre mí
Analista Programador & Desarrollador Android
Analista Programador titulado en INACAP, especializado en el cruce entre Android, inteligencia artificial edge y el mundo agrícola. He llevado modelos de visión computacional del laboratorio al campo real: estimar el calibre de uvas con la cámara de un celular, sin conexión a internet, en un viñedo de la V Región.
Actualmente me desempeño como Practicante en Desarrollo Android & Edge AI en ScaleAI / Anomaly, donde desarrollo aplicaciones con Kotlin, implemento inferencia local con ONNX Runtime y participo en soluciones de visión computacional en dispositivos móviles.
Mi diferenciación no es solo técnica: entiendo el contexto agrícola, sé que un Xiaomi Redmi en el campo no se comporta como un Pixel en el laboratorio, y diseño arquitecturas offline-first porque sé que los viñedos no tienen WiFi.
En mi primer proyecto con IA cometí el error de entrenar un modelo con imágenes de estudio y descubrir en el campo que las sombras del mediodía arruinaban la precisión. Desde entonces, mi regla de oro es: dos semanas de observación en terreno antes de escribir una línea de arquitectura.
Actualizado por última vez: 13 de mayo de 2026
Educación
Analista Programador
INACAP — 2025
Beca Apoyo INACAP
Administración de Redes
Duoc UC — 2014 (Incompleto)
Cursos
Desarrollo de Aplicaciones Iniciales — INACAP
Infraestructura TI Segura — INACAP
Full Stack — INACAP
Técnicas de Liderazgo y RR.LL. — SENCE
Experiencia
Trayectoria profesional
Practicante Analista Programador Android & Edge AI
- Desarrollo de aplicaciones Android nativas con Kotlin y Jetpack.
- Implementación de inferencia local con modelos ONNX Runtime para procesamiento de imágenes.
- Integración de APIs REST, bases de datos y optimización de rendimiento en dispositivos móviles.
- Participación en proyectos de visión computacional e inteligencia artificial on-device.
Encargado de Logística · La Quinta Pata al Gato · Mar 2023 — Mar 2024
Coordinación de inventarios mediante sistemas digitales de gestión.
Metodología
Cómo abordo un proyecto
No solo escribo código. Resuelvo problemas reales con decisiones técnicas bien fundamentadas.
Entiendo el problema antes de escribir código
En el proyecto de uvas, pasé las primeras 2 semanas observando cómo los agrónomos miden manualmente el calibre antes de definir la arquitectura. No diseño en una oficina — diseño en el campo donde se va a usar.
Diseño para offline-first cuando hay campo involucrado
Los viñedos no tienen WiFi. La app debe funcionar sin conexión durante horas y sincronizar datos cuando hay red disponible. Esto cambia completamente la arquitectura de base de datos y UX.
Mido antes de optimizar
Uso Android Profiler, ONNX Benchmark y Lighthouse para tomar decisiones basadas en datos, no en opiniones. Prefiero una app que funcione en un Xiaomi Redmi que en un Pixel de laboratorio.
Documento para el equipo futuro
Cada proyecto incluye README técnico, decisiones de arquitectura (ADRs) y diagramas que permiten que otro desarrollador pueda mantenerlo sin depender de mi memoria.
Publicaciones
Investigación y artículos
ScaleAI — Proyecto de I+D · Abril 2026
En desarrolloSistema Android Edge AI para Estimación de Calibre y Cantidad de Uvas
Desarrollo de una aplicación Android basada en Edge AI para estimación de calibre y cantidad de uvas mediante visión computacional y ONNX Runtime.
- Inferencia local con ONNX Runtime en dispositivos móviles
- Procesamiento de imágenes y optimización de rendimiento
- Integración de Kotlin, JNI y procesamiento nativo C++
- Arquitectura offline-first con sincronización de datos
Proyectos
Trabajos destacados
Ene 2026 — Actualidad
Web Detailing Platform
Plataforma web responsive para servicios de detailing automotriz. Diseño moderno orientado a conversión, estructura mobile-first y despliegue automatizado en Vercel.
- Interfaz moderna con diseño responsive
- Optimización visual para dispositivos móviles
- Componentes dinámicos con React
- Despliegue automatizado en Vercel
Abr 2026
Sistema Android Edge AI — Estimación de Uvas
Aplicación Android con inferencia local usando ONNX Runtime para estimación de calibre y cantidad de uvas. Integración nativa con Kotlin, JNI y procesamiento C++ para análisis en tiempo real.
- Inferencia local con ONNX Runtime
- Procesamiento de imágenes en tiempo real
- Integración Kotlin + JNI + C++
- Arquitectura offline-first
Jun — Dic 2025
TMLUC — Sistema Digital de Retiro de Beneficios
Sistema digital para retiro de beneficios con módulos de tótem, portería y RRHH. Integración de QR para validación, microservicios y documentación UML/BPMN completa.
- Módulos: Tótem, Portería y RRHH
- Validación por código QR
- Arquitectura de microservicios
- Documentación UML y BPMN
Impacto
Lo que he logrado
Resultados medibles y decisiones técnicas que generan valor real.
Inferencia local
ONNX Runtime ejecuta modelos directamente en el dispositivo móvil, sin necesidad de conexión a internet.
Proyecto privado bajo NDA
Arquitectura offline-first
La app de visión computacional funciona completamente sin conexión, sincronizando datos cuando hay red disponible.
Validado internamente
Procesamiento en tiempo real
Análisis de imágenes de cultivo en tiempo real usando la cámara del dispositivo Android.
Optimización validada internamente
Web moderna
Plataforma web con despliegue automatizado en Vercel, estructura mobile-first y performance optimizada.
En desarrollo activo
Validación
Lo que dicen de mi trabajo
Max mostró gran capacidad para integrar modelos de IA en Android con resultados medibles. Su trabajo en la inferencia ONNX local redujo significativamente la dependencia de conectividad en campo, lo cual era crítico para la operación.
Supervisor técnico, ScaleAI
Proyecto Edge AI — Estimación de uvas
Destacó por su compromiso con la calidad del código y la documentación técnica. En el proyecto TMLUC, su capacidad para traducir requerimientos complejos en diagramas UML claros facilitó la comunicación entre el equipo técnico y los stakeholders.
Docente de proyecto, INACAP
Proyecto de titulación — TMLUC
Habilidades
Stack tecnológico
Mobile & Edge AI
Frontend
Backend & Herramientas
Nivel de dominio
Certificaciones
Cursos y formación continua
Técnicas de Liderazgo y RR.LL.
SENCE — 2025
Desarrollo de Aplicaciones Iniciales
INACAP
Infraestructura TI Segura
INACAP
Full Stack
INACAP
Associate Android Developer
Google — En preparación
GitHub
Repositorios recientes
Contacto
Trabajemos juntos
Conversemos
¿Tienes un proyecto en mente? Estoy abierto a nuevas oportunidades y colaboraciones en desarrollo mobile, Edge AI y web.
Perfil rápido
Disponible yaViña del Mar / Santiago, Chile
Remoto desde cualquier zona horaria compatible · Híbrido en Valparaíso o Santiago
Stack principal
Soy cliente
Cuéntame tu proyecto y te envío una propuesta en 24 horas.