Daniel Enériz, PhD

Ingeniero en Veridas, empresa especializada en verificación de identidad digital y biometría, desde mayo de 2024.

Mi responsabilidad principal es la plataforma de cómputo interna que utilizan los equipos de investigación: clusters de Kubernetes gestionados de forma declarativa mediante GitOps con Argo CD y Helm. El objetivo es ofrecer un entorno fiable que permita a los investigadores centrarse en sus experimentos y no en la infraestructura subyacente.

Además, sigo trabajando en la optimización de modelos para su despliegue en el edge, el área en la que realicé mi doctorado.

• Plataforma ML

  Diseño y operación de infraestructura de cómputo compartida para equipos de investigación, con entornos reproducibles y gestión declarativa basada en Git.

• Optimización edge

  Cuantización, compresión de modelos y caracterización de latencia y memoria para llevar modelos de la investigación al hardware embebido.

• Cloud

  Conocimientos prácticos de Google Cloud y AWS para cargas de trabajo que no se ejecutan on-premises.

Plataforma

KubernetesHelmArgo CDGitOpsProxmox VELinux

Cloud

GCPAWS

ML

PythonPyTorchTensorFlow / TFLite MicroQuantization

Hardware

FPGA (Zynq, HLS)Arm Cortex-MFixed-point arithmetic

Mi tesis doctoral, Methodologies for Efficient Neural Network Implementation Applied to Edge AI Sensor Fusion (Universidad de Zaragoza, 2026), abordó el despliegue de redes neuronales en FPGAs y microcontroladores: cuantización en punto fijo, compromisos entre latencia y recursos, y energía por inferencia. Las aplicaciones incluyeron interfaces cerebro-computador basadas en EEG, cribado mediante sonidos cardiacos y monitorización de la calidad de alimentos.

Publicaciones seleccionadas

• 2024
  Low-Cost FPGA Implementation of Deep Learning-based Heart Sound Segmentation for Real-Time CVDs Screening

  TIMcódigo ↗
• 2023
  Low-power EEGNet-based Brain-Computer Interface implemented on an Arduino Nano 33 Sense

  DCIS
• 2021
  An FPGA-Based Machine Learning Tool for In-Situ Food Quality Tracking Using Sensor Fusion

  BIOSENScódigo ↗
• 2021
  Motor-Imagery EEGNet-Based Processing on a Low-Spec SoC Hardware

  SENSORScódigo ↗

Todas las publicaciones y tesis →

Fuera del trabajo mantengo un pequeño homelab: un cluster Proxmox con Proxmox Backup Server, videovigilancia y Home Assistant. Me sirve como banco de pruebas para ideas y proyectos. Mi interés por el hardware viene de antes, de Arduino, Raspberry Pi y la impresión 3D.

Para consultas profesionales, la vía preferida es el correo electrónico. También puede encontrarme en:

emailGitHub ↗LinkedIn ↗Scholar ↗ORCID ↗