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 | Área | Cat. | ||
 |
Aguirre Molina, Eugenio | eaguirre@decsai.uOOcbah4h4vkWgr.es | – | |
 |
Bello García, Marilyn | mbgarciawwYaH66g@ugr.es | – | |
 |
Benítez Sánchez, José Manuel | J.M.Benitez@decsai.ugM3vOeC_zr.es | – | |
 |
Carmona del Jesus, Cristóbal J. | ccarmona_iDWl3qhz@ujaen.es | – | |
 |
Charte Ojeda, Francisco | fcharte@ujaenUKxIzNK..es | – | |
 |
Fernandez Olivares, Juan | faro@decsai.lNPQOl.eugr.es | – | |
 |
García Martínez, Carlos | cgarciaM.TA_2q@uco.es | – | |
 |
García Silvente, Miguel | m.garcia-silvente@Q30_KvKwtdecsai.ugr.es | – | |
 |
González Muñoz, Antonio | A.Gonzalez@decg1pjXBsai.ugr.es | Ciencia de Datos y Big Data DaSCI | Doctor |
 |
Górriz Sáez, Juan Manuel | gorrizgM.@LIk@ugr.es | Doctor | |
 |
Lastra Leidinger, Miguel | mlastral@uOqHqasJugr.es | – | |
 |
Luna Ariza, Jose María | jmluna@uAKLyx9YaAfnco.es | – | |
 |
Martínez del Río, Francisco | fmartin@ujYJnXSQ6YU_T5aen.es | – | |
 |
Moyano Murillo, Jose María | jmoyano@ucMRudxSo.es | – | |
 |
Ortíz García, Andrés | aortiz@ic.umcdwffwSIdvva.es | – | |
 |
Pérez Godoy, María Dolores | lperez@ujaenkGz815VMLQt.es | – | |
 |
Ramírez Pérez de Inestrosa, Javier | javierrp@ugr3hZWeE2UYbhm.es | – | |
 |
Ramírez Quesada, Aurora | aurora.ramirez@uma.Ss6_QZU5Ecizes | Ciencia de Datos y Big Data DaSCI | Colaborador |
 |
Rivera Rivas, Antonio Jesús | arivera@ud2HU@7h6JLjaen.es | – | |
 |
Rodríguez Díaz, Francisco Javier | fjrodriguez@dec7GENeyyXCsai.ugr.es | – | |
 |
Rómero Salguero, José Raúl | jrromero@uco.mWerW6es | – | |