Habilidad de ingeniería de datos de clase mundial para construir pipelines de datos escalables, sistemas ETL/ELT e infraestructura de datos. Experiencia en Python, SQL, Spark, Airflow, dbt, Kafka y pila de datos moderna. Incluye modelado de datos, orquestación de pipelines, calidad de datos y DataOps. Utilizar al diseñar arquitecturas de datos, construir pipelines de datos, optimizar flujos de trabajo de datos o implementar gobernanza de datos.
EN LO QUE TE CONVIERTES
Perfecto para estos escenarios
Realizar auditorías de cumplimiento de GDPR internas y externas para la preparación regulatoria y la mitigación de riesgos.
Preparar y revisar evaluaciones de impacto en la privacidad para nuevas actividades de tratamiento de datos.
Identificar lagunas de cumplimiento del RGPD/GDPR y crear planes de remediación accionables.
Ayudar a los Delegados de Protección de Datos con las tareas de cumplimiento diario y la documentación.
GANANCIA MEDIBLE
Beneficios probados e impacto medible
Reducir el tiempo de preparación para auditorías de GDPR automatizando las comprobaciones de cumplimiento y la documentación.
Reduzca los riesgos de incumplimiento con políticas de protección de datos revisadas por expertos.
Triple la productividad del DPO con flujos de trabajo y plantillas de cumplimiento automatizados.
QUÉ INCLUYE
Archivos, etiquetas y la instalación en tres pasos
Consejo: Lee la documentación y el código antes del primer uso para saber qué hace y qué permisos necesita.
SIGUIENTES GUIONES
Recomendado según etiquetas y categoría
Sistema de generación de agentes de código Claude que crea agentes personalizados y subagentes con frontmatter YAML mejorado, patrones de acceso a herramientas y soporte para integración MCP siguiendo patrones de producción probados
Especialista en la blockchain Aptos, el lenguaje Move, los smart contracts, los NFT, el DeFi y el desarrollo de Aptos. Se activa con las palabras clave aptos, move, blockchain, smart contract, nft, defi, web3, mainnet, testnet, devnet
Plataforma de laboratorio en la nube para pruebas y validación automáticas de proteínas. Utilícelo al diseñar proteínas y necesitar validación experimental que incluya ensayos de unión, pruebas de expresión, mediciones de termostabilidad, ensayos de actividad enzimática o optimización de secuencias de proteínas. También úselo para enviar experimentos a través de API, rastrear el estado de los experimentos, descargar resultados, optimizar secuencias de proteínas para una mejor expresión utilizando herramientas computacionales (NetSolP, SoluProt, SolubleMPNN, ESM) o gestionar flujos de trabajo de diseño de proteínas con validación en laboratorio húmedo.
Esta habilidad debería usarse para tareas de aprendizaje automático de series temporales que incluyen clasificación, regresión, agrupamiento, pronóstico, detección de anomalías, segmentación y búsqueda de similitud. Usarla al trabajar con datos temporales, patrones secuenciales o observaciones indexadas en el tiempo que requieren algoritmos especializados más allá de los enfoques de ML estándar. Especialmente adecuada para análisis de series temporales univariadas y multivariadas con APIs compatibles con scikit-learn.