El rol#
Entró en abril de 2023 como Assistant Director — Software Engineer en Predictive Analytics, con base en Nueva York, trabajando en EDF-X, Credit Analytics y Risk Scorecard. La mayor parte del trabajo fue en Python, con TypeScript y Angular en la capa de producto.
Esta página cubre problemas de ingeniería y su contribución. No describe la arquitectura interna, los flujos de datos ni las interioridades de los modelos de Moody's.
Reglas de dominio como código#
La parte más suya: implementar en Python reglas de negocio y de selección de modelo, traduciendo los requisitos de especialistas en riesgo de crédito y dominio a lógica de producción. Qué modelo aplica, cuándo debe suprimirse y qué devolver cuando las entradas no sostienen una respuesta.
if sufficient_financials: use_financial_model() elif peer_driven: use_peer_methodology() elif special_legal_status: use_supported_fallback(confidence_adjustment=True) else: return_explanatory_result()
La forma no tiene nada de especial. Lo difícil es acordar las ramas con gente que sabe mucho más de riesgo de crédito que tú, y mantener el código honesto según se mueven los requisitos.
Overlays cualitativos#
Un modelo de crédito produce una probabilidad de impago base, pero un analista puede necesitar además entradas cualitativas estructuradas —sector y mercado, empresa, gestión— para llegar a una PD ajustada y un rating implícito.
De la salida de un modelo a un rating que un analista puede defender.
Construyó partes de este flujo como parte del equipo de ingeniería de Predictive Analytics. El sistema lo construyó el equipo; lo suyo fueron piezas concretas.
APIs con estado para procesos largos#
Los trabajos analíticos que duran minutos y no milisegundos rompen los supuestos habituales de petición/respuesta: timeouts, las mismas entradas reenviadas, identificadores de proceso que el usuario tiene que gestionar y cada consumidor de la API reimplementando batching y concurrencia.
Los datos de entidad persisten
La personalización y las entradas sobreviven más allá de una sola petición.
Un solo estado entre UI y API
La interfaz que uses no debería determinar qué versión de una entidad existe.
Ejecución gestionada
Batching, concurrencia y fiabilidad son del servicio, no de cada integración.
Contribuyó a este diseño; no fue suyo de principio a fin.
Lo que se lleva de aquí#
La parte difícil del software rara vez es «producir una respuesta». Es estado, fiabilidad, reglas de negocio y cómo se comporta el sistema cuando el camino limpio se rompe.
Trabajar donde la corrección del modelo y del dominio importa enseña una disciplina concreta: los datos obsoletos importan, los fallbacks deterministas importan y una respuesta equivocada dicha con seguridad sale cara. Ese es el hábito que lleva ahora a los sistemas de IA.
Dejó Moody's en agosto de 2025.
Preguntas frecuentes#
¿En qué trabajó en Moody's?
Ingeniería de producto en EDF-X, Credit Analytics y Risk Scorecard dentro del equipo de Predictive Analytics: reglas de negocio y de selección de modelo implementadas en Python, partes del flujo de overlay cualitativo construidas con el equipo y contribuciones al diseño de APIs y flujos con estado. Sobre todo Python, más TypeScript y Angular.
¿Cuánto de esto fue trabajo suyo?
Las reglas de negocio y de selección de modelo en Python son suyas. El flujo de overlay cualitativo y el diseño de APIs con estado fueron trabajo de equipo al que contribuyó. No diseñó sola la arquitectura de analítica de crédito, y esta página no lo afirma.
¿Por qué hay pocos detalles?
Porque describe ingeniería hecha dentro de una institución financiera. Cubre el tipo de problema, su alcance y los conceptos que puede comentar en público; no arquitectura interna, flujos de datos, interioridades de modelos ni información de clientes.
¿Hay cifras?
Aquí no se publica ninguna. Las cifras de rendimiento y de cartera de ese trabajo no le corresponde publicarlas.
Sistemas donde la corrección importa
Ese es el tipo de trabajo que Brenda busca ahora.