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@decsai.185vWWJwGsEougr.es
Bello García, Marilyn mbgarcia@ug5v7Z1o@iVgI1r.es
Benítez Sánchez, José Manuel J.M.Benitez@decp3snhvsai.ugr.es
Carmona del Jesus, Cristóbal J. ccarmona@XG_Lb4xeujaen.es
Charte Ojeda, Francisco fcharte@ujDa3t2TOOkraen.es
Fernandez Olivares, Juan faro@decrix6riioAQsai.ugr.es
García Martínez, Carlos cgarcia@JnYAjD9uco.es
García Silvente, Miguel m.garcia-silvente@QLoovwwYjdecsai.ugr.es
González Muñoz, Antonio A.Gonzalez@decsaiAkOWur.ugr.es Ciencia de Datos y Big Data DaSCI Doctor
Górriz Sáez, Juan Manuel gorriz@yptngaxugr.es Doctor
Lastra Leidinger, Miguel mlastral@ug0yiRtwXS5bXr.es
Luna Ariza, Jose María jmluna@ucB4sujm@obo.es
Martínez del Río, Francisco fmartinWKcMmn@ujaen.es
Moyano Murillo, Jose María jmoyano@ucXf04HeyVao.es
Ortíz García, Andrés aortiz@icJcizU2.uma.es
Pérez Godoy, María Dolores lperez@WTeFuNjQgGIMujaen.es
Ramírez Pérez de Inestrosa, Javier javierrp@ugr1KCTBN1e.es
Ramírez Quesada, Aurora aurora.ramirez@eQaw5uuma.es Ciencia de Datos y Big Data DaSCI Colaborador
Rivera Rivas, Antonio Jesús arivera@VpgFUVqItnujaen.es
Rodríguez Díaz, Francisco Javier fjrodriguez@decsfXp4ACN.Aai.ugr.es
Rómero Salguero, José Raúl jrromero@ucnHgjx3ydUoVo.es