Aprendizaje Automático avanzado & Deep Learning

La investigación sobre aprendizaje automático avanzado (Advance Machine Learning) y aprendizaje profundo (Deep Learning) ha estado en la vanguardia de la inteligencia artificial, abriendo el camino a aplicaciones innovadoras y tecnologías transformadoras. A medida que la potencia computacional y la Aprendizaje automático avanzadodisponibilidad de datos continúan creciendo exponencialmente, investigadores han logrado ir más allá de los límites de las técnicas tradicionales de aprendizaje automático (ML) y adentrarse en las complejidades de las arquitecturas de aprendizaje profundo (DL). Estos estudios de vanguardia se enfocan en mejorar el rendimiento, la interpretabilidad y la generalización de los modelos, así como en abordar desafíos como el sobreajuste, tareas no convencionales y ataques adversarios. Además, los avances en arquitecturas de redes neuronales, como los transformadores, han revolucionado el aprendizaje y las tareas de visión por computadora, permitiendo a las máquinas comprender cualquier tipo de datos y generar texto e imágenes de manera similar a los humanos. A medida que la comunidad de investigación se adentra más en este campo, se abren posibilidades para sistemas autónomos, medicina personalizada, ciudades inteligentes e interacciones mejoradas entre humanos y computadoras, prometiendo un futuro en el que la IA potencie las capacidades humanas y revolucione numerosas industrias.

Principales líneas actuales de investigación de DaSCI:

• Aprendizaje Automático Avanzado: Avanzar en técnicas de aprendizaje automático para manejar entradas de datos no convencionales, modelos predictivos con conocimiento previo para decisiones confiables e imparciales, enfatizando el procesamiento eficiente de Big Data, explorando hibridaciones con computación suave, con el objetivo de revolucionar el campo y enfocarse en AutoML para desafíos de aprendizaje no convencionales.
• Aprendizaje Profundo en Visión por Ordenador: Nuestra investigación se centra en la visión por computadora, explorando modelos generativos basados en difusión para el envejecimiento facial y aprovechando los Transformers de Visión para el aprendizaje semi-supervisado para mejorar las aplicaciones de visión por computadora en diversos contextos industriales.
• Aprendizaje Profundo y Inteligencia Artificial Simbólica: Avanzar en la inteligencia artificial a través de contribuciones teóricas y combinando el aprendizaje profundo con la IA simbólica, explorando redes neuronales de grafos para la satisfacción de restricciones y análisis de redes sociales, y utilizando máquinas de lógica neuronal para la planificación automática, estableciendo vínculos entre técnicas simbólicas y sub-simbólicas de IA.

Investigadores relacionados:

Letra:
	Nombre	Email	Área	Cat.
	Aguirre Molina, Eugenio	eaguirre@decd_zMWzkR@Gwsai.ugr.es	Ciencia de Datos y Big Data DaSCI	Doctor
	Bello García, Marilyn	mbgarcia@ugrLoWZO2KLee.es	Ciencia de Datos y Big Data DaSCI	Doctor - Otros
	Benítez Sánchez, José Manuel	J.M.Benitez@dsuAAY19O1AKFecsai.ugr.es		–
	Carmona del Jesus, Cristóbal J.	ccarmonaJNgBSf@ujaen.es		–
	Charte Ojeda, Francisco	fcharte@ujKZyQwlaen.es		–
	Fernandez Olivares, Juan	faro@decsaiS0NTDVQ.ugr.es		–
	García Martínez, Carlos	cgarcia@uco.eTSpeB6FMSxes		–
	García Silvente, Miguel	m.garcia-silvente@P6YvjQ8Y2crdecsai.ugr.es		–
	González Muñoz, Antonio	A.Gonzalez@dH2iZocnVecsai.ugr.es	Ciencia de Datos y Big Data DaSCI	Doctor
	Górriz Sáez, Juan Manuel	gorriz@ugr.4L@q0AZtnVWes		Doctor
	Lastra Leidinger, Miguel	mlastral@ugRq6@jaBr.es		–
	Luna Ariza, Jose María	jmluna@ucZ0ctIdo.es		–
	Martínez del Río, Francisco	fmartin@ujaen.xG2qp6LwMes		–
	Moyano Murillo, Jose María	jmoyano@ucCxOxmOAjKso.es		–
	Ortíz García, Andrés	aortiz@i@sg4NBc.uma.es		–
	Pérez Godoy, María Dolores	lperez@uTyVKNcFjaen.es		–
	Ramírez Pérez de Inestrosa, Javier	javierrp@ugr.sSwYlpCFzJtYes		–
	Ramírez Quesada, Aurora	aurora.ramirezkNZ.4LDKyPsl@uma.es	Ciencia de Datos y Big Data DaSCI	Colaborador
	Rivera Rivas, Antonio Jesús	arivera@ujaenhyrDLE.es		–
	Rodríguez Díaz, Francisco Javier	fjrodriguez@decsa7XXoqQJi9DLvi.ugr.es		–
	Rómero Salguero, José Raúl	jrromero.3X.Din.LX6A@uco.es		–