La inteligencia artificial, al servicio de sus datos.

Tienda en línea de bienestar y belleza con pago contraentrega en toda Colombia, en funcionamiento y con ventas reales conseguidas con campañas de publicidad en Facebook e Instagram (Meta Ads). Cada venta queda registrada automáticamente: se envía al operador logístico y aparece en un panel de contabilidad con su estado real (entregado, en novedad o devuelto).

• Autenticación contra la API con caché de tokens y renovación automática.
• Selección de ciudad con códigos DANE para cotizar el envío correcto.
• Panel con conteos por estado, búsqueda, detalle y acciones masivas.
• Ventas generadas con publicidad pagada en Meta Ads: segmentación, creativos y seguimiento de resultados.

Backend que recibe pedidos por webhook, elige proveedor, despacha y rastrea cada orden, con la ganancia calculada por pedido.

• Modelo products · orders · order_items con SQLAlchemy sobre PostgreSQL 16 en Docker.
• Estados del pedido como enumeración: pendiente, despachado, enviado, entregado, fallido o reembolsado.
• Rentabilidad por pedido (precio frente a costo) e historial de eventos por orden.
• Flujo en n8n: webhook, validación, creación de la orden, registro en Google Sheets y aviso por Gmail.

Construí una página de pedidos contraentrega que guardaba los datos de cada cliente en el servidor y los mostraba en un panel de ventas. Antes de usarla con más clientes, le pedí a la IA una auditoría de seguridad del código, y esto encontró:

• Hallazgo 1: el archivo de pedidos podía descargarse públicamente, con nombres, teléfonos y direcciones.
• Hallazgo 2: la clave del panel era débil y estaba escrita en el código.
• Hallazgo 3: riesgo de inyección de fórmulas al abrir el registro en Excel (CSV injection).
• Hallazgo 4: ausencia de protección contra pedidos automatizados (bots).

Se generaron las correcciones para cada punto. La sanitización contra inyección de fórmulas y la validación de cantidades en el servidor ya están implementadas.

App de notas sin anuncios, con widget de escritorio, recordatorios, listas de tareas y nota flotante. Nació en Kotlin nativo y la reescribí en Flutter para publicarla en Android e iOS con un solo código.

• Borrado lógico: el campo deletedAt manda la nota a la papelera en lugar de eliminarla.
• Purga automática de la papelera a los 30 días, con restauración.
• Orden personalizado persistente y patrón Repository que separa los datos de la interfaz.
• Instalada y verificada en un celular real (Android 15), y compilada también para web a partir del mismo código.

Instalé y configuré un servidor MySQL 8 local, con los datos en un disco secundario, y practico sobre las bases de ejemplo world y sakila con la IA como tutor, lección por lección.

• Consultas con SELECT, WHERE, ORDER BY y LIMIT.
• Agregaciones con SUM, AVG, COUNT, GROUP BY y HAVING.
• INNER JOIN entre dos y tres tablas combinado con agregaciones.

SELECT country.Name AS Pais, COUNT(city.ID) AS NumeroCiudades
FROM country
INNER JOIN city ON country.Code = city.CountryCode
GROUP BY country.Name
ORDER BY NumeroCiudades DESC LIMIT 15;

Un juego de rol de texto en el que cada misión se supera escribiendo una consulta SQL contra una base de datos MySQL. Explorar una región es un SELECT, reparar el inventario es un UPDATE y formar una alianza entre facciones es un JOIN.

• Objetivo: practicar cada tema del programa del SENA como un reto, no como un ejercicio suelto.
• La IA como maestro de juego: da pistas y explica el error sin entregar la respuesta.
• Estado: estructura del proyecto creada (Python, configuración de conexión y script inicial). Lo desarrollaré durante la etapa lectiva.