About Rafael Deliz-Aguirre

With 14 years of experience working with data in science, I've used Python, R, machine learning, and statistics to tackle challenging problems. My research topics range from biomedicine to astrophysics. My recent work at the Max Planck Society, Germany's leading research organization, involved developing a new pipeline to analyze scientific images using "supercomputers." I've also applied my skills to real-world challenges, such as predicting COVID-19 cases for the City Council of Laredo, Texas.

I am completing my Ph.D. in Theoretical Biophysics from Humboldt University of Berlin. Prior to that, I earned a Master's from Texas A&M International University and a Bachelor's from Baylor University, both in the USA.

Originally from Puerto Rico, USA and now based in Berlin, Germany, I blend diverse cultures and linguistic capabilities, speaking Spanish, English, Italian, and German. I'm always eager to embark on new science projects that leverage data!

Acerca de Rafael Deliz Aguirre

Con 14 años de experiencia trabajando con data en ciencia, he utilizado Python, R, aprendizaje automático y estadística para resolver retos. Mis temas de investigación abarcan desde la biomedicina hasta la astrofísica. Mi trabajo reciente en la Sociedad Max Planck, la principal organización de investigación científica en Alemania, implicó el desarrollo de un "pipeline" (proceso) nuevo para analizar rápidamente imágenes científicas utilizando "super-computadoras". También he aplicado mis conocimientos a retos reales, así como la predicción de casos de COVID-19 para el Municipio de Laredo, Texas.

Estoy terminando mi doctorado en Biofísica Teórica en la Universidad Humboldt de Berlín. Anteriormente, obtuve un máster en Texas A&M International University y una licenciatura en Baylor University, ambas en los Estados Unidos.

Originario de Puerto Rico, EE.UU. y actualmente en Berlín, Alemania, combino diversas culturas y capacidades lingüísticas, hablando español, inglés, italiano y alemán. ¡Siempre estoy listo por embarcar en nuevos proyectos científicos que maximizan la data!