11/F030 - Inteligencia de Datos. Técnicas y Modelos de Machine Learning

Sin convenio

1/1/2023 - 31/12/2026


El proyecto busca aportar al conocimiento en cuanto a la investigación, diseño e implementación de técnicas adaptativas aplicables al análisis Inteligentes de datos buscando potenciar la formación de recursos humanos, la colaboración con otros grupos del país y del exterior, y la transferencia concreta de resultados. El proyecto está integrado y colabora con grupos de diferentes Universidades del país en los temas del mismo y hay doctorandos de diferentes Universidades realizando su Tesis con el equipo del proyecto. En el ámbito internacional, se trabaja en los temas académicos y de investigación comunes con un conjunto de Universidades de Iberoamérica (Universidad de Castilla La Mancha, Universitat Rovira i Virgili y Universidad Tecnológica de La Habana (CUJAE), Universidad Católica del Maule).Dado que el proyecto es de Investigación aplicada, está prevista la transferencia de resultados. Todas las aplicaciones están vinculadas a necesidades específicas de la sociedad actual y del país en particular. Se cuenta además con varios convenios/acuerdos de cooperación y transferencia de resultados vinculados a las líneas del proyecto. A continuación se enumeran los objetivos generales:- Estudiar y desarrollar técnicas de análisis inteligente de datos basados en redes neuronales.- Estudiar, adaptar y desarrollar técnicas y algoritmos de aprendizaje automático para dispositivos limitados en recursos de hardware.- Estudiar, adaptar y proponer métricas que puedan aplicarse en algoritmos y dispositivos asociados al TinyML- Estudiar y desarrollar algoritmos para la extracción de características en flujos de datos.- Analizar y diseñar nuevas técnicas capaces de identificar la deriva de concepto en flujos de datos.- Desarrollar técnicas de metaheurísticas poblacionales para la asistencia de selección de características en entornos Big Data.- Diseñar y analizar nuevas arquitecturas de aprendizaje automático y sistemas inteligentes, con énfasis en las Redes Neuronales.- Proponer y mejorar modelos y sistemas basados en redes neuronales para las áreas de la astronomía, lengua de señas y salud.


Director: Waldo Hasperue (01/01/2023 - )
Co Director: Laura Cristina Lanzarini (01/01/2023 - )
Investigador formado: Franco Ronchetti (01/01/2023 - )
Investigador en formación: Cesar Armando Estrebou (01/01/2023 - )
Tesista-Becario: Gaston Gustavo Rios (01/01/2023 - ), Facundo Manuel Quiroga (01/01/2023 - ), Genaro Camele (01/01/2023 - ), Pedro Alejandro Dal Bianco (01/01/2023 - ), Oscar Agustín Stanchi (01/11/2023 - ), Santiago Andres Ponte Ahon (01/04/2023 - )
Colaborador: Alejandro Rosete Suárez (01/01/2023 - ), Mohamed Abdel Nasser (01/01/2023 - ), Aurelio Fernandez (01/01/2023 - ), Hatem Rashwan (01/01/2023 - ), Marco Antonio Mora Cofré (01/01/2023 - ), Domenec Puig Valls (01/01/2023 - ), José Angel Olivas Varela (01/01/2023 - ), Juan Martín Seery (01/01/2023 - )
Línea de investigación:
Tipo de investigación: Basica
Palabras clave: Deep learning, Análisis de imágenes, TinyML

Otra busqueda