Available for new projects

Juan Manuel B. Skolik

Full Stack Developer & Data Engineer

Estudiante de Ingeniería de Software apasionado por construir soluciones digitales elegantes, funcionales y con impacto real.

⌗ Ver proyectos Contactarme
0
Proyectos
0
Tecnologías
0
Sistemas en producción
climabogota.py
from sklearn.ensemble import RandomForestRegressor
# 300 árboles · 43 features · 241K+ muestras
model = RandomForestRegressor(
n_estimators=300,
max_depth=12,
random_state=42
)
# MAE: 2.59°C · R²: 0.63 · latencia: ~50ms
prediction = model.predict(X_future)
Scroll
En acción

Sistemas que generan
impacto real

De 2–5 días hábiles a menos de 2 minutos. De datos crudos a predicciones en 50ms.

🔒 climabogota.render.com/api/predict
Dashboard
Estaciones
Predicciones
Reportes
4 estaciones online
Panel principal Bogotá · 2.600 m s.n.m. · Actualizado hace 5 min
📊
241K+
Registros reales
🧠
2.59°C
MAE del modelo
⚡
~50ms
Latencia inferencia
🗺️
10 km²
Cobertura urbana
Temperatura últimas 6h (°C) — Estaciones activas
14.2
14.8
15.5
15.1
14.5
15.8
18:0019:0020:0021:0022:0023:00
Predicción +30 min: 16.2°C
Sobre mí
JMB
📍 Bogotá, Colombia
🎓 Ingeniería de Software
💼 Backend Dev @ FUSoft
🔬 Investigación — Univ. Salamanca

Hola, soy Juan Manuel

Soy estudiante de Ingeniería de Software, enfocado en el desarrollo full-stack y la creación de aplicaciones web modernas. Me apasiona convertir ideas complejas en interfaces limpias y código mantenible.

Actualmente profundizando en arquitecturas de software, patrones de diseño y buenas prácticas de desarrollo. Busco siempre escribir código limpio, escalable y orientado a resultados reales.

Frontend
HTML / CSS JavaScript React
Backend & Data
Python Node.js SQL REST APIs Machine Learning
Infraestructura & Herramientas
Docker Git Java IoT
Proyectos

Lo que he construido

Una selección de proyectos que reflejan mi crecimiento y enfoque en resolver problemas reales.

🏆 Proyecto Principal 📄 Q1 Publication · Universidad de Salamanca
v1.2 · Bogotá 2.600 m s.n.m.
🌦️

ClimaBogotá v1.2

IoT · Machine Learning · Backend · Automatización

Red de 4 estaciones meteorológicas con Raspberry Pi que predice la temperatura con 30 minutos de anticipación usando Random Forest (300 árboles, 43 features, 210k+ muestras), con distribución automática vía Telegram y visualización en Grafana Cloud. Sistema desplegado en Bogotá, Colombia a 2.600 m s.n.m. cubriendo ~10 km² urbanos.

+241K Registros reales
2.59°C MAE modelo
R² 0.63 Coef. determinación
5 min Ciclo predicción
~50 ms Latencia inferencia
10 km² Cobertura urbana
Python Flask 2.3 scikit-learn Random Forest n8n PostgreSQL MariaDB Grafana Cloud Telegram Bot Raspberry Pi 4B BME280 Render Cloud Azure DevOps
Sistema funcional · Deploy en Render pendiente
⌥ Paper
Arquitectura · 5 Capas · HTTP REST
📡
Capa 1 — Hardware IoT 4× Raspberry Pi 4B + BME280 · cada 5 s
↓
🗄️
Capa 2 — Almacenamiento local 4× MariaDB · alta frecuencia por estación
↓
⚙️
Capa 3 — Orquestación ETL n8n pipeline · ciclo completo cada 5 min
↓
🧠
Capa 4 — ML + API REST Flask 2.3 · Random Forest 300 árboles · ~50 ms
↓
📤
Capa 5 — Distribución y visualización Telegram · PostgreSQL · Grafana Cloud
Comunicación exclusiva via HTTP REST · Scrum 62 work items
Research

Research & Publications

Academic research on urban IoT sensing and machine learning, developed in collaboration with Universidad de Salamanca's doctoral research group.

Preprint Published Research Article · 2026 Doctoral Research — Universidad de Salamanca

A Low-Cost IoT Architecture for Micro-Zone Climate Prediction and Meteorological Forecasting

Juan M. B. Skolik · César A. G. Mateus, Darlan Noetzold, Valderi R. Q. Leithardt, Juan F. De Paz
iD ORCID · 0009-0009-2170-4617
Abstract

This article presents the design and deployment of ClimaBogotá v1.2, a climate prediction system tailored for high-altitude urban micro-zones in Bogotá, Colombia. The system combines low-cost IoT sensing, machine learning modeling, and cloud-based orchestration to enable scalable and affordable meteorological forecasting. Its architecture comprises Raspberry Pi-based weather stations, a Random Forest model trained on engineered temporal features, and an n8n-driven automation pipeline for real-time inference and dissemination via Telegram, PostgreSQL, and Grafana. With a Mean Absolute Error of 2.59°C and an R² of 0.6286 on a 30-minute forecast horizon, the system demonstrates both predictive reliability and operational feasibility using free-tier cloud resources. Unlike traditional weather systems, ClimaBogotá emphasizes modularity, adaptability, and cost-efficiency, offering a replicable framework for decentralized climate monitoring in data-scarce urban environments. Temporal misalignment between sensor nodes was identified as the primary constraint, informing future enhancements toward distributed learning strategies.

310K+ Real-world samples
2.59°C Mean Absolute Error
R² 0.6286 Coefficient of det.
~50 ms Inference latency
300 Forest estimators
43 Engineered features
10 km² Urban coverage
Climate Prediction IoT Machine Learning Micro-Zone n8n Time Series Workflow Orchestration Bogotá · 2,600 m a.s.l.
Preprint Published · DOI: 10.20944/preprints202606.1239.v1
Automatismos

Flujos que trabajan solos

Sistemas end-to-end que eliminan trabajo manual conectando herramientas con lógica propia.

📝 Google Form
⚡ Make
📜 Apps Script
📁 Drive
🌐 GitHub Pages
✍️ Firma Digital
✍️
En producción

Firma Digital para Tutores Empresariales

Coformación Empresarial — Uniempresarial · FUSoft

Sistema end-to-end que automatiza la generación de 5 documentos académicos por estudiante y permite al tutor firmarlos digitalmente desde cualquier dispositivo en menos de 2 minutos, eliminando un proceso manual de 2–5 días hábiles.

Google Apps Script Make Drive API GitHub Pages JavaScript HTML/CSS Firma Digital
↗ Ver demo en vivo
⌥ GitHub
📋
En producción

Sistema de Firma Digital — Actas de Coformación

Uniempresarial / FUSoft · Sistema completo

Sistema end-to-end que automatiza la generación, distribución y firma de Actas de Coformación Empresarial por parte de los tres participantes (estudiante, tutor y profesor), entregando el acta final en PDF sin ninguna intervención manual.

Google Apps Script Make Gmail API Google Drive API Canvas API GitHub Pages PDF Export
↗ Ver demo en vivo
⌥ GitHub
✉️
En producción

Automatización de Validación de Formularios PDF

Uniempresarial / FUSoft · Automatización completa

Sistema end-to-end que automatiza la recepción, validación y enrutamiento de formularios PDF enviados por correo. Utiliza IA (Gemini 2.5 Flash) para detectar campos incompletos y errores ortográficos, devolviendo el documento al estudiante con correcciones detalladas o enviándolo a Coformación si está correcto.

Make (Integromat) Gmail API Gemini AI Google OAuth 2.0 JSON HTTP Modules
↗ Ver demo en vivo
Contacto

Hablemos

¿Tenés un proyecto en mente o querés colaborar? Escribime, respondo rápido.

Estoy disponible para

Proyectos freelance, prácticas profesionales, colaboraciones académicas o simplemente intercambiar ideas sobre tecnología.

✉
Email Juanmabennitez2008@gmail.com
in
LinkedIn Juan Manuel Benitez Skolik
⌥
GitHub github.com/Juanmask327
ig
Instagram @jmanuel._sk
iD
ORCID 0009-0009-2170-4617
✅
¡Mensaje enviado!
Te respondo a la brevedad.