Dax

Trayectoria e investigación

1. 

   Colaborador CMS — líder de computación

   CERN — CMS Experiment · through Escuela Politécnica Nacional

   May 2025 — present

   Lidero la parte de computación del grupo de la EPN en la colaboración CMS, trabajando en reproducibilidad de la investigación y en la computación sobre la que realmente corre la ciencia a gran escala.

   • Reproduje un análisis de búsqueda de antimateria con el grupo de Preservación de Datos y Acceso Abierto (DPOA) — reproducibilidad, integridad de los datos y validación del resultado original.
   • Despliego y evalúo pipelines de Apache Airflow sobre tres servidores Linux para el grupo BRIL, apoyando las mejoras de Fase 2 del CERN, y reporto los resultados en reuniones con el CERN.
   • Diseñé y propuse arquitecturas modernas y contenerizadas para pipelines de investigación escalables.
2. 

   Asistente de investigación

   ADA Data Science Laboratory

   Mar 2025 — present

   Investigación aplicada en machine learning y algoritmos de optimización.

   • Investigué métodos de optimización para redes neuronales profundas, incluidos optimizadores de segundo orden.
   • Diseñé e implementé los pipelines en Python para entrenamiento, evaluación y benchmarking.
   • Primer autor de un estudio comparativo sobre paradigmas de optimización en el entrenamiento de DNNs (presentado; pendiente de publicación).

3. Desarrollador de IA e integrador de sistemas Linux

   WORB

   Apr 2025 — Dec 2025

   Desarrollo full-stack integrando IA en flujos de trabajo en producción.

   • Arquitectura, desarrollo e integración del backend.
   • Búsqueda por embeddings e integración de LLMs.
   • Diseño de base de datos y desarrollo frontend.

El trabajo con CMS es abierto — MiniParT — etiquetado de sabor de jets · Búsqueda de materia oscura — réplica del paper · CMS-EPN en GitHub.

Publicaciones

• Toward Computationally Efficient AI: A Comparative Study of Optimization Paradigms in DNN Training

  D. Navarrete, A. Flores-Reyes, A. E. Camino, G. Suntaxi, L. Recalde, D. Martinez-Mosquera

  Escuela Politécnica Nacional, Quito · Presentado en conferencia · pendiente de publicación

  Un estudio comparativo de paradigmas de optimización para entrenar redes neuronales profundas — primer orden frente a segundo orden y métodos adaptativos — que no pregunta cuál converge mejor, sino cuánto cómputo cuesta realmente llegar ahí con cada uno.

  Primer autor. Diseñé la metodología experimental y ejecuté toda la evaluación de principio a fin: los pipelines de entrenamiento y benchmarking, cada corrida y cada medición, las figuras, y el análisis sobre el que se apoyan las conclusiones.

Trabajo destacado

Personal infrastructure

Infraestructura

Servidores Linux en tres sitios distintos — mi propio hardware en casa, máquinas en la universidad y un VPS alquilado — soldados en una única red privada con Headscale, de modo que se comportan como una sola máquina sin importar dónde estén. Detrás autoalojo la nube que de otro modo alquilaría: archivos, fotos, media, monitoreo. Accesible desde donde yo esté, y expuesta a nadie más.

Infraestructura privada · el suelo sobre el que corre todo lo demásLinuxHeadscaleDockerNextcloudImmichNginxTCP/IP

Fleet

Infraestructura

Una consola web agentless para toda una flota de servidores Linux — como Cockpit, pero sobre todas las máquinas a la vez, con terminal, Docker, systemd, SFTP, tailnet de Headscale y Coolify integrados. La escribí porque quería un solo lugar seguro desde el cual operar los servidores que ya administro.

Códigoactualizado hoyGoReactSSHHeadscaleDocker

Nexalink

Backend

Una plataforma de seguridad física que corre en producción en una empresa privada: control de accesos en tiempo real sobre hardware biométrico, permisos por roles, gestión de incidentes y tickets, operación de guardias y tracking en vivo — sobre una arquitectura hexagonal diseñada para sobrevivir a su propio crecimiento.

Privado · en producción. Código y cliente reservados.LinuxHexagonal ArchitectureAccess ControlRBACReal-time Systems

Apogee

Computación científica

Un simulador de ascenso de un cohete de dos etapas — ecuaciones de movimiento, integración de EDOs, ángulos de guiñada y 3D completo — que usa el método de disparo para optimizar la inserción en una órbita baja circular.

Código★ 2actualizado hace 5mTypeScriptPythonThree.jsNumerical Methods

dax-auth

Sistemas

Un módulo PAM escrito desde cero en Rust que desbloquea Linux con tu cara — en el dispositivo, cifrado en reposo y con detección de vida. Sin nube y sin telemetría. Gente cercana a mí entra a su máquina con esto.

Código★ 1actualizado hace 1mRustPAMLinuxComputer Vision

$ sudo dax-auth enroll
  → capturing 8 frames · encrypting to /etc/dax-auth
$ sudo -i
  dax-auth: face matched (0.31s) · auth sufficient
  root@fedora:~#

I/O & Filesystem Benchmarks

Sistemas

Benchmarks en C que comparan O_DIRECT, sendfile() zero-copy, sockets UNIX y sockets TCP sobre ext4 — escritos para averiguar qué hace realmente el kernel, en vez de creerle a alguien.

Códigoactualizado hace 12mCLinuxSyscallsSockets

$ ./bench --size 1G --fs ext4
  A  read/write + user buffer .... 1.94 GB/s
  B  O_DIRECT (no page cache) .... 1.21 GB/s
  C  sendfile() zero-copy ........ 3.78 GB/s
  D  UNIX domain socket .......... 2.40 GB/s
  E  TCP loopback ................ 1.07 GB/s

Dax Assistant

IA / ML

Un asistente de IA autoalojado y de voz, que corre en local, habla con cualquier LLM y puede actuar sobre mi máquina a través de una capa de herramientas aislada — con cada llamada destructiva detrás de una aprobación explícita.

Códigoactualizado hace 11dPythonFastAPIMCPReactOllama

TexTeller-Rust

IA / ML

Un port nativo en Rust de TexTeller que convierte la foto de una ecuación manuscrita en LaTeX — byte a byte idéntico a la implementación original en Python, y distribuido como un solo binario.

Códigoactualizado hace 2mRustONNX RuntimeMachine Learning

Entrada

Salida — LaTeX

\frac{ \sqrt{2x}}{2x}= \sum_{i=0}^{ \infty}3i+2+5x

Renderizado

$$\frac{\sqrt{2x}}{2x}=\sum _{i=0}^{\infty }3i+2+5x$$

EPN Tracker

Backend

Un gestor de avance de carrera y notas para estudiantes de la Escuela Politécnica Nacional, con las reglas académicas de la universidad codificadas como un núcleo de dominio puro.

Códigoactualizado hace 5dFastAPIPostgreSQLRedisReactDocker

Drone Detector

IA / ML

Detección de drones en tiempo real con YOLO11 a ~11 ms/frame en CPU — sin GPU — con alertas automáticas directamente desde cámaras RTSP.

Códigoactualizado hace 3mPythonYOLO11OpenVINOOpenCV

$ drone-detector --source rtsp://cam-01 --backend openvino
  YOLO11s · OpenVINO · 640×640
  [12:04:31] drone  conf=0.91  → WhatsApp alert sent
  [12:04:33] drone  conf=0.88  → cooldown (60s)
  avg 11.2 ms/frame · 89 fps · no GPU

También en GitHub

• chatbot-ui★ 1
  TypeScript
• ai-optimizers-benchmark
  Python
• dash

  My own simple Linux shell

  C
• PDFeditor-api

  A free PDFeditor API

  Python
• osint-api★ 1

  Research open data in Ecuador

  Python
• proyecto-final-EDA

  A networking simulation with graphs

  Java
• least_squares_vs_gradient_descent

  Mathematical comparison of least squares and gradient descent

  Python
• dotfiles

  My personal linux dotfiles

  Shell
• my-web

  My personal web page

  TypeScript
• dax-sync
• fedora-dotfiles
  JavaScript

Esta lista se actualiza sola desde la API de GitHub. Ver los 86 repositorios.

Stack

Agrupado, no puntuado. El trabajo de arriba es la evidencia.

Lenguajes más usados en mis repos públicos

• Python15
• Jupyter Notebook15
• Java11
• TypeScript8
• JavaScript4
• Shell3
• Rust2
• HTML1

Formación y certificaciones

• 

  Ingeniería en Ciencias de la Computación

  Escuela Politécnica Nacional

  Nov 2023 — present

  La principal universidad de ingeniería del Ecuador. Algoritmos, estructuras de datos, sistemas operativos, métodos numéricos.

• 

  Certificado Profesional en Ingeniería de IA

  IBM

  2023

  Deep learning con Keras, TensorFlow y PyTorch; visión por computador; redes neuronales.

  Ver certificado
• 

  Certificado Profesional en Ciencia de Datos

  IBM

  2023

  Python, SQL, análisis y visualización de datos, machine learning.

  Ver certificado
• 

  Diplomado en Ciencia de Datos

  Escuela Politécnica Nacional

  2023

  Análisis estadístico, machine learning y visualización de datos. 160 horas.

  Ver certificado

Sobre mí

Preguntas frecuentes

¿Quién es Dax Navarrete?

Dax Navarrete (GitHub: daxrpm) es estudiante de Ciencias de la Computación en la Escuela Politécnica Nacional (Quito, Ecuador) y desarrollador open source enfocado en infraestructura Linux, redes, seguridad y computación científica. Administra siete servidores Linux, mantiene en producción una plataforma de seguridad física y colabora con el experimento CMS del CERN a través del grupo de la EPN, que lidera en su parte de computación.

¿En qué trabaja Dax Navarrete dentro del CERN?

Dax Navarrete colabora con el experimento CMS del CERN a través de la Escuela Politécnica Nacional, donde lidera el grupo de computación. Con el grupo de Preservación de Datos y Acceso Abierto (DPOA) reprodujo un análisis de búsqueda de antimateria, trabajando en reproducibilidad e integridad de los datos. Ahora trabaja con el grupo BRIL en computación científica: despliega y evalúa pipelines de Apache Airflow sobre un entorno de tres servidores Linux y reporta los resultados al CERN.

¿Qué infraestructura administra Dax Navarrete?

Dax Navarrete opera siete servidores Linux repartidos entre su propio hardware, su universidad y un VPS alquilado, unidos en una única red mesh privada con Headscale. Detrás autoaloja su propia nube y sus servicios — Nextcloud, Immich y otros — y tres de esos servidores corren pipelines de computación científica para el grupo de CMS. Escribió Fleet, una consola agentless en Go, para operarlos todos por SSH desde un solo lugar.

¿Qué lenguajes de programación usa Dax Navarrete?

Rust y C para programación de sistemas, Go para herramientas de infraestructura, Python para computación científica y machine learning, y TypeScript para interfaces. Entre su trabajo destacan dax-auth (un módulo PAM de autenticación facial para Linux, escrito desde cero en Rust), Fleet (una consola agentless para flotas Linux en Go) y Apogee (un simulador de ascenso orbital en TypeScript y Python).

¿Dax Navarrete está disponible para trabajar?

Sí — abierto a prácticas, colaboraciones de investigación y trabajo open source en infraestructura y DevOps, computación científica, seguridad y redes, o programación de sistemas. En remoto o con reubicación, internacionalmente. Escríbele a dax@daxrpm.dev.

Contacto

Abierto a prácticas, colaboraciones de investigación y trabajo open source — en infraestructura y DevOps, computación científica, seguridad y redes, o programación de sistemas. En remoto o con reubicación, internacionalmente.

• Personaldax@daxrpm.dev
• CERNariel.dax.navarrette.freire@cern.ch
• Protondaxrpm@proton.me