Luis M. Haro

From code to intelligence — I craft predictive models and smart software that move systems, cities, and industries forward.

About Me

I’m a Data Scientist and Software Developer with experience at Airbus, Cuso, and Continental. I combine engineering, data, and AI to make real systems smarter.

Education

M.Sc. Industrial Engineering (AI & ML)

Polytechnique Montréal, Canada — 2024

M.Sc. Electrical Engineering

UNAM, Mexico — 2020

Exchange Program – Electrical Engineering

INSA Rennes, France — 2015–2016

Projects

AI Defect Detection – Airbus

Designed real-time ML pipelines for fault detection in aerospace sensors. Published in Sensors Journal, 2025.

Tools used:

Urban Transit Optimization

Built an AI-powered transit app for Montreal using real GTFS data and predictive modeling with Python + FastAPI.

Tools used:

Predictive Models for Social Programs – CUSO International

Developed predictive models to enhance social program effectiveness, identifying at-risk beneficiaries and forecasting resource needs.

Analyzed structured & unstructured data from databases, field reports, and surveys.

Applied ML techniques (logistic regression, decision trees, clustering) for actionable insights.

Tools used:

Advanced Analytics for Autonomous Vehicles – Continental Tire

Developed analytics algorithms for embedded systems, enhancing autonomous vehicle performance and reliability.

Created simulation and testing tools to validate sensor behavior and perception algorithms, improving accuracy.

Tools used:

Embedded Systems & Network Optimization – Dynamic Flow

Built simulation and testing tools using NS-3 (C++) to reduce perception errors in real-time environments.

Developed and validated communication protocols for embedded devices, optimizing low-power, long-range data transmission.

Ensured network resilience in critical scenarios, improving efficiency and reliability.

Tools used:

Publications

Failure Detection in Sensors via Variational Autoencoders

Haro, L. M. M., Oliveira-Filho, A., Agard, B., & Tahan, A. (2025). Sensors (Basel, Switzerland), 25(7), 2175.

DOI: 10.3390/s25072175

Aperçu des Méthodes de Prédiction de Pannes

Haro, L. M. M., Agard, B., & Tahan, A. (2023). CIGI Qualita MOSIM.

DOI: 10.60662/w56q-3t94

Contact

📧 luis@luismoreno.tech

🔗 LinkedIn

Luis M. Haro

De l'algorithme à l'intelligence — je conçois des logiciels intelligents et des modèles prédictifs pour faire évoluer les systèmes, les villes et les industries.

À propos

Scientifique des données et développeur logiciel, j'ai travaillé chez Airbus, Cuso et Continental. J'allie ingénierie, données et intelligence artificielle pour rendre les systèmes plus intelligents.

Formation

Maîtrise en Génie Industriel (IA & ML)

Polytechnique Montréal, Canada — 2024

Maîtrise en Génie Électrique

UNAM, Mexique — 2020

Échange académique – Génie Électrique

INSA Rennes, France — 2015–2016

Projets

Détection des défauts IA – Airbus

Conçu des pipelines ML en temps réel pour la détection des défauts dans les capteurs aérospatiaux. Publié dans le journal Sensors, 2025.

Outils utilisés :

Optimisation du transport urbain

Création d'une application de transport intelligent pour Montréal, utilisant les données GTFS réelles et la modélisation prédictive avec Python + FastAPI.

Outils utilisés :

Modèles prédictifs pour les programmes sociaux – CUSO International

Développement de modèles prédictifs pour améliorer l'efficacité des programmes sociaux, identification des bénéficiaires à risque et prévision des besoins en ressources.

Analyse de données structurées et non structurées provenant de bases de données, rapports de terrain et enquêtes.

Application de techniques de ML (régression logistique, arbres de décision, clustering) pour des informations exploitables.

Outils utilisés :

Analytique avancée pour véhicules autonomes – Continental Tire

Développement d'algorithmes d'analytique pour systèmes embarqués, améliorant les performances et la fiabilité des véhicules autonomes.

Création d'outils de simulation et de tests pour valider le comportement des capteurs et les algorithmes de perception, augmentant la précision.

Outils utilisés :

Systèmes embarqués et optimisation de réseau – Dynamic Flow

Création d'outils de simulation et de tests utilisant NS-3 (C++) pour réduire les erreurs de perception dans des environnements en temps réel.

Développement et validation de protocoles de communication pour dispositifs embarqués, optimisant la transmission de données longue portée et à faible consommation d'énergie.

Assurance de la résilience du réseau dans des scénarios critiques, améliorant l'efficacité et la fiabilité.

Outils utilisés :

Publications

Failure Detection in Sensors via Variational Autoencoders

Haro, L. M. M., Oliveira-Filho, A., Agard, B., & Tahan, A. (2025). Sensors (Basel, Switzerland), 25(7), 2175.

DOI: 10.3390/s25072175

Aperçu des Méthodes de Prédiction de Pannes

Haro, L. M. M., Agard, B., & Tahan, A. (2023). CIGI Qualita MOSIM.

DOI: 10.60662/w56q-3t94

Contact

📧 luis@luismoreno.tech

🔗 LinkedIn