Sesiones Agosto - Diciembre 2022 

19 de Agosto

‹ › ‹ ›

1. •
2. •

Hora: 12:00 hrs GMT

Nombre del expositor: Sebastián Maldonado

 

Título: Analítica Prescriptiva - Inteligencia Artificial aplicada a la Optimización de decisiones

 

Resumen personal: Sebastián Maldonado es Profesor Titular del Departamento de Control de Gestión y Sistemas de Información (DCS), Facultad de Economía y Negocios, Universidad de Chile. El profesor Maldonado es Ingeniero Civil Industrial y Doctor en Sistemas de Ingeniería de la Universidad de Chile; grados obtenidos el 2007 y 2011, respectivamente. Su área de investigación se relaciona principalmente con el desarrollo de nuevas metodologías de ciencia de los datos y aprendizaje computacional, y la utilización de éstas en aplicaciones de negocios y otras áreas. Actualmente es miembro del Senado Universitario de la Universidad de Chile.

Sebastián Maldonado destaca por ser autor de más de 75 publicaciones indexadas en el área de Analytics, además del libro "Analytics y Big Data: Ciencia de los Datos aplicada al mundo de los negocios" (ISBN: 978-84-18982-63-7). Actualmente es presidente del capítulo chileno de la sociedad de inteligencia computacional de la IEEE. Además, fue Presidente de la sociedad Chilena de Investigación de Operaciones (ICHIO), la más importante en el área de Ingeniería Industrial, y parte del Grupo de Evaluación Ingeniería 2 de ANID (Agencia Nacional de Investigación, ex-CONICYT). Sebastián Maldonado tiene más de quince años de experiencia en proyectos de consultoría en Data Science, principalmente en los sectores de Banca y Telecomunicaciones.

El análisis de datos y la modelación predictiva deben ir de la mano con la toma de decisiones en el mundo de los negocios y en aplicaciones de impacto social. La analítica prescriptiva es la última de las capacidades analíticas y pone en acción todos los elementos tradicionales de la ciencia de los datos más herramientas como la optimización y la simulación con el fin de automatizar las decisiones. La analítica prescriptiva busca evaluar de forma óptima diferentes desenlaces y escenarios con el fin de llegar a la mejor decisión. Adicionalmente, tiene el potencial de calcular la probabilidad de estos escenarios para así evaluar el nivel de riesgo. Esto se realiza en combinación con modelos predictivos estadísticos y/o de Inteligencia artificial. En esta charla se plantean nuevas tendencias en la analítica prescriptiva, motivadas con dos proyectos de investigación aplicada en Chile. El primero busca ubicar recursos de bomberos (cuarteles y carros) de tal forma de responder a siniestros en el menor tiempo posible en base a proyecciones zonales de incendios y rescates, mientras que el segundo busca mejorar la logística portuaria combinando optimización y modelos predictivo para el retiro de contenedores de importación.

Presentaciones:

• ANALYTICS Y BIG DATA: Ciencia de los Datos aplicada al mundo de los negocios
• Analítica Prescriptiva: Inteligencia Artificial aplicada a la Optimización de decisiones

2 de Septiembre

‹ › ‹ › ‹ › ‹ ›

1. •
2. •
3. •
4. •

Hora: 11:00 hrs. GMT

Nombre del expositor: Elisa Schaeffer

Título: Aprendizaje profundo y matemáticas discretas: un caso de estudio con el problema del agente viajero

Resumen personal: La Dra. Elisa Schaeffer obtuvo el grado de Doctora en Ciencias con especialidad en Ciencias Computacionales e Ingeniería por la Aalto University (Finlandia) en el año 2006. Elisa es una científica informática-matemática finlandesa con un gran interés en la inteligencia computacional. Su áreas de investigación abarcan las posibles aplicaciones de la teoría de grafos y el aprendizaje automático en áreas como las ciencias sociales, la medicina, la economía y la silvicultura. Le apasiona el aprendizaje digital, en tiempo real y asincrónico, y una de las primeras en adoptar soluciones emergentes de software y hardware para facilitar la enseñanza y la investigación, especialmente las soluciones de código abierto. 

Sus áreas de interés son las Ciencias Computacionales, Inteligencia Computacional y Sistemas Complejos.

Resumen charla: En esta charla, el punto de inicio está en el territorio de matemática pura y el punto final es mayormente computacional. Comenzando con el planteamiento del problema TSP, entramos a la exploración de formas tradicionales para solucionarlo y después exploramos la utilidad de técnicas de aprendizaje profundo en determinar cuáles rutas son buenas. El modelo de aprendizaje automático sí es capaz de distinguir entre buenos o malos órdenes de visita, pero la pregunta abierta e interesante es cómo llega a reconstruir la instancia del problema dentro de su estructura. Todos los pasos están implementados en Python y disponibles en Google Colab para que los participantes los reproduzcan, modifiquen y analicen a gusto antes, durante y después de la ponencia. https://github.com/satuelisa/DiscreteMath/tree/master/demo

23 de Septiembre

Hora: 11:00 hrs GMT

Nombre del expositor: Luz Judith Rodríguez Esparza

Título: Análisis de emociones para identificar problemas de salud mental usando aprendizaje estadístico

 

Reseña: Luz Judith Rodríguez Esparza estudió Matemáticas Aplicadas en la UAA y una Maestría en Ciencias Matemáticas en la UNAM. Obtuvo el doctorado en la Universidad Técnica de Dinamarca. Estuvo como posdoctorante en el IIMAS-UNAM por 3 años. Desde 2016 es Cátedra CONACYT, primero en la Universidad Autónoma Chapingo y actualmente en la UAA. Sus principales áreas de investigación son: Estadística, Probabilidad Aplicada y Procesos Estocásticos. Es miembro del SNI, nivel I. Su línea de investigación actual es la modelación matemática de problemas socio-económicos y de salud pública.

Resumen charla: Dada la alarmante cantidad de casos de suicidio y depresión en la sociedad actual, y especialmente luego de las medidas de prevención de distanciamiento social y confinamiento impuestas por la pandemia de COVID-19, los expertos en salud mental requieren herramientas que apoyen la identificación de personas en riesgo de cometer suicidio. Se propone una nueva metodología para detectar tendencias suicidas y depresivas en usuarios de Twitter utilizando el análisis de texto, en particular, el análisis de sentimientos. A través de modelos de aprendizaje estadístico, la metodología propuesta identifica el nivel de riesgo.

7 de Octubre

Hora: 11:00 hrs GMT

Nombre del expositor: Miguel Angel Uh Zapata

Título: De la investigación a la divulgación y viceversa:  jugando con arena y realidad aumentada

 

Resumen curricular: El Dr. Miguel Uh Zapata recibió el grado de Licenciado en Matemáticas por la Universidad Autónoma de Yucatán en 2005. En 2008 obtuvo su Maestría en Matemáticas Aplicadas por el CIMAT en Guanajuato y en 2012 obtuvo el grado de Doctor en Matemáticas Computacionales y Aplicadas en Southern Methodist University en Dallas, TX, EEUU. Seguidamente realizó una estancia postdoctoral en el Laboratorio de Hidráulica Saint-Venant en París, Francia. Desde 2014 pertenece a la planta académica del Centro de Investigación en Matemáticas  (CIMAT) en Mérida a través del programa Investigadoras e Investigadores por México (antes Cátedras CONACYT). 

Los intereses académicos del Dr. Miguel Uh Zapata se centra en la modelación de sistemas físicos por vía de ecuaciones diferenciales, el análisis numérico y la matemática computacional. Su investigación está enfocada en el desarrollo de herramientas numéricas empleadas en el área de dinámica de fluidos computacionales y propagación de ondas con múltiples aplicaciones a fluidos multifásicos.

Resumen charla: En la actualidad, la academia no sólo busca resolver problemas de frontera, sino también poder difundirlas entre la comunidad más joven como pueden ser los niños. Sin embargo esto representa grandes desafíos y de ahí la motivación de cómo podemos usar los nuevos dispositivos tecnológicos para explicar la ciencia y tecnología que actualmente desarrollamos. Este es el caso de los esfuerzos de investigadores en computación y dinámica de fluidos en diferentes universidades alrededor del mundo. En esta plática presentaremos algunos ejemplos exitosos y los desafíos que conlleva el ejecutar este tipo de problemas. En particular presentaremos las distintas herramientas empleadas para poder simular fluidos interactivos usando una interfaz de realidad aumentada. También mostraremos los avances de nuestro equipo para desarrollar una caja de arena con un fluido interactivo virtual desde cero. Más aún, se indicará como este problema inicialmente ingenuo nos ha motivado a continuar desarrollando más ciencia de frontera. 

4 de Noviembre

Nombre del expositor: Joel Antonio Trejo Sánchez
Hora: 12:00 hrs.
Título: Algoritmos para la prevención de peleas en un bar
 

Resumen: “La mayoría de los problemas de optimización combinatoria pertenecen a la clase de problemas NP-difícil. En esta charla se presentan un problema de optimización con aplicaciones en la prevención de peleas en un bar. Se describe la dificultad de diseñar algoritmos, que en un tiempo razonable, nos aseguren obtener la solución óptima en este tipo de problemas. Con el fin de solucionar dichos problemas, se presentan algunas relajaciones que permiten obtener la mejor solución en tiempo polinomial; es decir, en un tiempo razonable. Finalmente, se da un breve recorrido por los algoritmos de aproximación, los cuales permiten obtener una solución aproximada en una fracción del tiempo que requeriría obtener una solución óptima.”

Semblanza: Joel es Dr. en Ciencias de la Computación  por el CICESE. M. en C. en Ingeniería Eléctrica CINVESTAV. Lic en Ciencias de la Computación por la UADY. Sus líneas de investigación se centran en el diseño de algoritmos secuenciales, distribuidos y paralelos para problemas de optimización combinatoria. Es investigador por México adscrito al CIMAT Unidad Mérida y pertenece al Sistema Nacional de Investigadores desde el 2015.

 

18 de Noviembre

Nombre del expositor: Jonathan Montalvo-Urquizo
Hora: 11:00 hrs.
Título: Current challenges towards connecting math and computer science into the industrial and commercial reality

Resumen personal: El Dr. Jonathan Montalvo tiene estudios y amplia experiencia en proyectos de aplicación de las matemáticas a procesos industriales gracias a sus experiencias previas para instituciones y empresas como el Instituto Fraunhofer para las Matemáticas Industriales y Financieras (Kaiserslautern, Alemania, 2001-2002), el Centro de Desarrollo Técnológico de la Empresa Freudenberg/Vileda (Weinheim, Alemania, 2003-2004), el Centro para las Matemáticas Industriales (Bremen, Alemania, 2004-2013) y el Centro de Investigación en Matemáticas (Monterrey, México, 2014-2018) en donde colaboró en la puesta en marcha y ejecución de múltiples proyectos de mejora industrial en áreas como visión computacional, inteligencia artificial, optimización, ciencias de los materiales, manufactura esbelta, entre otros.

La experiencia acumulada durante su carrera lo llevó a fundar en 2018 la empresa de base tecnológica MOCTECH con sede en la ciudad de Monterrey, Nuevo León y orientada a proveer servicios de consultoría especializada en Modelación matemática, Optimización y Cómputo.

A partir de 2020, aceptó la invitación para integrarse al Departamento de Ciencias de la Escuela de Ingeniería del Tecnológico de Monterrey donde actualmente es Profesor Investigador y colabora como evaluador de la nueva carrera en Ingeniería en Ciencia de Datos y Matemáticas.

Además de su empresa y su labor como investigador, el Dr. Montalvo es el Director de Modelación Matemática para Aleph5, empresa de consultoría matemática con más de 30 años de trayectoria en la venta de soluciones tecnológicas basadas en modelos matemáticos.

A lo largo de su carrera, el Dr. Montalvo ha recibido diversas becas y reconocimientos otorgados por Instituciones Mexicanas y Alemanas entre los que destacan el Premio Sotero Prieto 2000 de la SMM, el Premio Nacional de la Juventud en el rubro de Actividades Académicas otorgado por el Gobierno de la República y la beca para estudios de posgrado de la TU Kaiserslautern, Alemania.

Ha sido ponente plenario por invitación en diversos eventos en México, incluyendo una charla plenaria en el Congreso Nacional de la Sociedad Matemática Mexicana y la reunión anual del capítulo mexicano de la SIAM, además de ser plenarista también en otros eventos académicos en Colombia, Cuba, Grecia, y Alemania. Actualmente es miembro del SNI de CONACyT, al que ingresó en el año 2009.

Resumen charla: Nowadays, we live in a society convinced of the technical advantages of using computers and algorithms to enhance human activities in almost all areas. Core of many solutions we use every day are mathematical methods that are transformed into computer science codes and then in software, apps, and cloud based services. From a mathematical perspective, this trend started long before terms like artificial intelligence, big data or machine learning became words everybody is using. For example, several decades ago, we already had similar concepts like trend prediction, parameter optimization, routing problems, production planning, supply chain, etc. Common feature from all solutions is a strong combination of: wide knowledge from the real phenomena, deep understanding of mathematical methods, and computational skills and infrastructure to run the corresponding numerical methods. During this talk, several examples of mathematical applications will be mentioned, focused on the strong need for interdisciplinary work, as well as on the strengths and weaknesses from the perspective of an applied mathematician and a computer scientist. Several recommendations for undergraduate and graduate students will be given at the end of the talk.