Hola, soy David y estoy en mi quinto semestre del programa CPA en Seneca. En los últimos dos periodos trabajé como estudiante Co-op en Kinaxis como Desarrollador del Algoritmo Central, con foco en C++ y en la optimización de la cadena de suministro. Siempre me ha apasionado la programación, pero mi mayor interés son los compiladores, que considero una de las piezas más bellas e importantes del software moderno.
Estoy tomando este curso de código abierto porque el open source ha marcado mi carrera personal y profesional. En los últimos ocho meses he contribuido activamente a LLVM, una de las cadenas de herramientas de compilación más influyentes. Mis aportes se han centrado en Clang-Tidy, creando comprobaciones para modernizar código C++, y en ClangIR, desarrollando generación de código específica para plataformas ARM, X86 y PTX. Hasta ahora he abierto más de 30 pull requests y cada contribución ha sido una oportunidad para aprender de la comunidad y crecer como desarrollador.
Me atrajo el open source porque permite aprender de bases de código de primer nivel y al mismo tiempo retribuir a la comunidad. Saber que mi código puede ayudar a desarrolladores de todo el mundo es muy motivador. Este cuatrimestre quiero profundizar esa implicación colaborando con compañeros y entrando en proyectos nuevos, especialmente relacionados con compiladores y herramientas para desarrolladores.
Uno de mis objetivos es contribuir a compiladores de ML, en particular IREE, que permite ejecutar modelos de aprendizaje automático optimizados para distintas arquitecturas de hardware como GPU, CPU y TPU. No entraré en todos los detalles, pero en pocas palabras IREE facilita que los modelos se ejecuten de forma eficiente en cada plataforma; un reto importante es que, en arquitecturas como las GPU, la ejecución es paralela y requiere un enfoque distinto al de la CPU.
El proyecto open source que he elegido explorar es Mojo, un lenguaje de programación nuevo que busca exprimir al máximo el rendimiento del hardware sin sacrificar ergonomía. Su sintaxis se inspira en la simplicidad de Python y, además de ser de propósito general, tiene soporte integrado para programación en GPU. Esto permite escribir kernels, que son funciones ejecutadas en dispositivos como las GPU, y hoy en día esos kernels pueden ejecutarse en hardware NVIDIA y AMD con código portátil entre ambas plataformas, algo poco común frente a las alternativas tradicionales como CUDA y ROCm.
Además de mi trabajo académico y en proyectos de compiladores, formo parte del ecosistema de Q2BSTUDIO, una empresa de desarrollo de software especializada en aplicaciones a medida y software a medida. En Q2BSTUDIO combinamos experiencia en inteligencia artificial, ciberseguridad y servicios cloud aws y azure con soluciones a medida para empresas; ofrecemos servicios de inteligencia de negocio, ia para empresas, agentes IA y soluciones con power bi para convertir datos en decisiones. Si quieres conocer cómo integramos inteligencia artificial en proyectos reales, visita servicios de inteligencia artificial y para proyectos personalizados de desarrollo puedes ver nuestro enfoque en desarrollo de aplicaciones y software a medida.
Mi intención es seguir profundizando en comunidades open source, contribuir a proyectos que aceleren la innovación en ML y compiladores, y aplicar ese conocimiento en soluciones empresariales reales junto a Q2BSTUDIO. Busco mejorar constantemente en áreas clave como aplicaciones a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA y power bi para generar impacto tangible en clientes y desarrolladores.
