SantiagoDuquePorras

AI Engineer en TRCAI Engineer at TRC

Ingeniero de IA especializado en visión artificial, integración de sensores y sistemas de mando y control (C2) para defensa. Trabajo en percepción en tiempo real: detección y seguimiento multiobjeto, correlación de amenazas de radiofrecuencia y entrenamiento seguro de modelos de ML para misiones críticas. AI engineer specialising in computer vision, sensor integration and command-and-control (C2) systems for defence. I work on real-time perception: multi-object detection and tracking, radio-frequency threat correlation and secure training of mission-critical ML models.

Madrid, EspañaMadrid, Spain

ContactarGet in touch Descargar CV Download CV

Computador de misiónMission computer

AI Engineer en TRCAI Engineer at TRC

Madrid, desde enero de 2025Madrid, since January 2025

Me ocupo de proyectos de principio a fin: análisis de requisitos con clientes militares y civiles, y arquitectura, desarrollo y despliegue de software y de modelos de Deep Learning.

I take projects end to end: requirements analysis with military and civilian customers, and the architecture, development and deployment of software and Deep Learning models.

  • Algoritmos de visión artificial para sensores infrarrojos y electroópticos (EO/IR) en el ámbito de defensa.
  • Algoritmos predictivos, de seguimiento y de correlación y fusión.
  • Integración de dispositivos (sensores y efectores): drivers, conectividad y comunicaciones.
  • Diseño de arquitectura de software.
  • Dos sistemas principales, NEXOR y FRONTEK, descritos a continuación.
  • Computer vision algorithms for infrared and electro-optical (EO/IR) sensors in the defence domain.
  • Predictive, tracking, and correlation and fusion algorithms.
  • Device integration (sensors and effectors): drivers, connectivity and communications.
  • Software architecture design.
  • Two main systems, NEXOR and FRONTEK, described below.

Carga útil de GEEW payload

NEXOR

Mando y control para guerra electrónica y antidrón (C-UAS)Command and control for electronic warfare and counter-drone operations (C-UAS)

Trabajo en el desarrollo de NEXOR, una plataforma de mando y control desplegable sobre vehículo VAMTAC y desplegada con el Ejército de Tierra en el Regimiento de Guerra Electrónica (REW-31). Ofrece conciencia operativa con sensores de RF, inhibición, interceptación de comunicaciones, tecnología GIS y estándares OTAN. He colaborado en el diseño de toda la arquitectura y he liderado la integración de los distintos sensores y efectores, así como el motor de fusión y correlación.

I work on the development of NEXOR, a command-and-control platform deployable on a VAMTAC vehicle and deployed with the Spanish Army at the Electronic Warfare Regiment (REW-31). It provides operational awareness with RF sensors, jamming, communications interception, GIS technology and NATO standards. I have collaborated on the design of the whole architecture and led the integration of the different sensors and effectors, as well as the correlation and fusion engine.

  • Integración de varias fuentes simultáneas de detección de amenazas: radiofrecuencia, radar y EO/IR.
  • Correlación de esas detecciones en tiempo real y en informes de inteligencia apoyados en Deep Learning.
  • Integración de la solución softkill (inhibición de RF).
  • Desarrollo full-stack de la aplicación.
  • Integration of multiple simultaneous threat detection sources: radio frequency, radar and EO/IR.
  • Correlation of those detections in real time and in Deep Learning-driven intelligence reports.
  • Integration of the softkill solution (RF jamming).
  • Full-stack development of the application.
Operador del Ejército de Tierra ante una pantalla con la interfaz de NEXOR: un mapa por satélite y el vídeo de un dron.
Interfaz de NEXOR con mapa y vídeo de un dron.The NEXOR interface with a map and drone video.

Ejercicios de campoField exercises

  • 21–23 de octubre de 202521–23 October 2025 Ejercicio conjunto ATLAS con el Ejército de TierraATLAS joint exercise with the Spanish Army Con REW-31 y TRC. Despliegue de NEXOR y SKYLAR sobre vehículos GAMO, con inhibición real y detección visual y de RF. With REW-31 and TRC. Deployment of NEXOR and SKYLAR on GAMO vehicles, with live jamming and visual and RF detection. Puesto de mando camuflado junto a la costa durante el ejercicio ATLAS, con mástiles de sensores y antenas.
  • 1–10 de junio de 20261–10 June 2026 Ejercicios experimentales Pilot Project 5 de la OTANNATO Pilot Project 5 experimental exercises Con REW-31 y TRC, en la base Forward Land Forces de la OTAN en Eslovaquia. Despliegue de NEXOR, SKYLAR y TRCaptiveX en ejercicios conjuntos con socios de la industria. With REW-31 and TRC, at NATO's Forward Land Forces base in Slovakia. Deployment of NEXOR, SKYLAR and TRCaptiveX in joint exercises with industry partners. Militares y equipo de TRC junto a un vehículo con mástiles de sensores durante el Pilot Project 5 en Eslovaquia.

Cámara EO/IREO/IR camera

FRONTEK

Control de pasos fronterizos para la Guardia CivilBorder-crossing control for the Guardia Civil

Desarrollé FRONTEK, un sistema de vigilancia en tiempo real con varias cámaras que procesa a la vez múltiples flujos de vídeo con deep learning y una latencia inferior al segundo.

I developed FRONTEK, a real-time multi-camera surveillance system that processes several simultaneous video streams with deep learning at sub-second latency.

  • Investigación del estado del arte en IA, para elegir e implementar en cada tarea los mejores modelos disponibles.
  • Diseño, entrenamiento, despliegue y mantenimiento de modelos de Deep Learning.
  • Optimización de modelos de Deep Learning: poda, cuantización y destilación.
  • State-of-the-art AI research, to choose and implement the best available model for each task.
  • Design, training, deployment and maintenance of Deep Learning models.
  • Deep Learning model optimisation: pruning, quantisation and distillation.

Hélices y motoresPropellers and motors

TrayectoriaCareer

Cada emisión del espectro es una etapa: arriba, la experiencia; abajo, la formación.

Each emission in the spectrum is one stage: work on top, education below.

Trayectoria 2017–2026 / Career 2017–2026
  1. 2025 – hoy2025 – now
    AI EngineerTRC, Madrid
  2. 2022 – 2024
    MSc en Inteligencia Artificial y Big DataMSc in Artificial Intelligence and Big DataIMF / Universidad Católica de Ávila
  3. 2021 – 2022
    Desarrollador full-stackFull-stack software developerCGM Clinical Spain, Madrid

    Desarrollé y mantuve una plataforma de administración clínica que usan hospitales y farmacias de toda España (back-end en Java, front-end en JavaScript) y resolví fallos críticos del pipeline de CI/CD en Microsoft TFS.

    Developed and maintained a clinical administration platform used by hospitals and pharmacies across Spain (Java back end, JavaScript front end), and fixed critical CI/CD pipeline bugs in Microsoft TFS.

  4. 2017 – 2020
    BSc Computer ScienceUniversity of Southampton, InglaterraUniversity of Southampton, England

ChasisFrame

FormaciónEducation

MSc en Inteligencia Artificial y Big DataMSc in Artificial Intelligence and Big Data

IMF / Universidad Católica de Ávila, noviembre de 2022 a julio de 2024. Nota: 91/100.IMF / Universidad Católica de Ávila, November 2022 to July 2024. Grade: 91/100.

Trabajo de fin de másterMaster's thesis

Ataques y defensas adversariales en imágenes médicasAdversarial attacks and defences on medical images

Estrategias de ataque y defensa adversarial (FGSM, PGD, entrenamiento robusto…) para modelos de deep learning que clasifican imágenes histológicas de cáncer de mama, con análisis, comparación y benchmarking. Nota: 9,25/10.

Adversarial attack and defence strategies (FGSM, PGD, robust training…) for deep learning models that classify histological breast-cancer images, with analysis, comparison and benchmarking. Grade: 9.25/10.

Seis versiones de una imagen histopatológica de cáncer de mama, cada vez más alteradas por un ataque FGSM.
Imagen histopatológica de cáncer de mama bajo un ataque adversarial FGSM, con ε = 0 (original), 0,05, 0,1, 0,2, 0,3 y 0,4.Breast-cancer histopathology image under an FGSM adversarial attack, with ε = 0 (original), 0.05, 0.1, 0.2, 0.3 and 0.4.

BSc Computer Science

University of Southampton (Inglaterra), septiembre de 2017 a junio de 2020. First Class Honours (75/100).University of Southampton (England), September 2017 to June 2020. First Class Honours (75/100).

Trabajo de fin de gradoBachelor's thesis

GANs con algoritmos genéticos y evolutivosGANs with genetic and evolutionary algorithms

GANs de generación de imágenes mejoradas con algoritmos genéticos y evolutivos: una población de generadores compite contra un único discriminador, que hace de entorno. Nota: 74/100 (First Class).

Image-generation GANs enhanced with genetic and evolutionary algorithms: a population of generators competes against a single discriminator that acts as the environment. Grade: 74/100 (First Class).

Diagrama: una población de generadores pasa por evaluación, selección y mutación, y compite contra un único discriminador que separa imágenes reales de falsas.
Estructura de una GAN mejorada con algoritmos genéticos.Structure of a GAN enhanced with genetic algorithms.

BateríaBattery

CompetenciasSkills

TecnologíasTechnologies
Python, Java, PyTorch, Keras, CUDA/GPU, OpenCV, Docker, Kubernetes, PostgreSQL, GIS, Git, GitLab CI/CD, AWS, Jupyter, MLflow, Roboflow, Weights & Biases
EstándaresStandards
NATO STANAG 4586, Link 16 / JREAP, APP-11 / ADatP-3, C2 / C4ISR
IdiomasLanguages
Español (nativo), inglés (bilingüe), alemán (intermedio)Spanish (native), English (bilingual), German (intermediate)
InteresesInterests
Defensa, astrofísica y espacio, IA de vanguardia, levantamiento de pesas y senderismoDefence, astrophysics and space, state-of-the-art AI, weightlifting and hiking

Antena de enlaceDatalink antenna

ContactoContact

Para oportunidades o colaboraciones, escríbeme por correo o por LinkedIn.

For opportunities or collaborations, write to me by email or on LinkedIn.