Data Science Laboratory

Puedes encontar toda la información de los miembros del grupo, los proyectos, publicaciones y ponencias en el siguiente enlace DSLab.

El grupo Data Science Laboratory (DSLab) / grupo de Investigación en Aprendizaje Automático y Análisis Masivo de Datos tiene como objetivo estudiar y analizar la masiva cantidad de datos que se generan actualmente a través del uso cotidiano de los dispositivos electrónicos y del mundo digital.  La generación de todos estos datos tiene como elemento principal a las personas las cuales son el centro generador a través de su interacción con el mundo digital y con el nuevo entorno físico digitalizado que nos rodea (IoT) haciendo que la cantidad de datos que se están y se van a seguir generando crezcan de manera exponencial (“big data”).  Esto supone un reto tanto para la industria, como para las instituciones públicas, universidades e investigadores.  En este contexto, el grupo de investigación DSLab tiene como objetivo entender y modelar toda esta gran cantidad de datos personalizando nuestros entornos, creando nuevos modos de interacción humano-máquina, y mejorando nuestra calidad de vida de un modo sostenible.

Los miembros del grupo han participado en +15 proyectos competitivos y publicado +50 publicaciones científicas en sus principales líneas de investigación:

• Desarrollo, creación y aplicación de modelos de análisis, minería de datos y aprendizaje automático aplicado al análisis de datos masivos (big data y high-tech)

  • Estudio y aplicación de métodos de análisis y aprendizaje basados en modelos latentes.
  • Estudio y aplicación de métodos de análisis y aprendizaje basados en grafos.
  • Reducción de la dimensionalidad en el proceso de descubrimiento de información.
  • Métodos numéricos de simulación y análisis de agrupaciones.

 

• Computación afectiva para mejorar la personalización de nuestros entornos, predicción de opinión/emociones, y asistencia en procesos de aprendizaje.
• Predicción de enfermedades a partir del estudio de datos de historiales clínicos e información histórica de pacientes haciendo uso de modelos de aprendizaje automático
• Neuroimagen y aprendizaje neuronal.

Miembos del equipo (pofesores):

Miembros colaboradores:

  • Maria Véla-Pérez
  • Javier García Blas

 

Este sitio web hace uso de cookies propias y de terceros para ofrecerte un mejor servicio.
Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies.