GSI

Big Data y Aprendizaje Automático

Description

Este área engloba el diagnóstico y clasificación distribuidos, la búsqueda semántica a gran escala, el análisis de redes sociales, y el análisis de emociones y sentimientos.

Los primeros trabajos de investigación sobre aprendizaje automático en sistemas artificiales se remontan a los años 1950. A partir de los años 80 comienzan a desarrollarse aplicaciones prácticas de los algoritmos llamados «subsimbólicos» (principalmente, redes neuronales y sistemas bayesianos) a problemas de reconocimiento de formas y clasificación y de los «simbólicos» (inducción de árboles y de reglas) a la adquisición de conocimiento para sistemas expertos.

En los años 90 despega con fuerza lo que se ha llamado «minería de datos»: aplicaciones de algoritmos de aprendizaje y visualización para la extracción de conocimiento en grandes bases de datos. Nuestras aportaciones en este campo han seguido también esta trayectoria: Bayesian network in a sensor network

Aplicación de técnicas bayesianas para la evaluación de riesgo en créditos bancarios (proyecto ExpertBao, 1986-1988).
Algoritmos genéticos y lógica borrosa para control de centrales térmicas (proyecto OTRO, 1989-1991) y en general para control adaptativo de procesos complejos (proyectos CORAGE y MITA).
Resolución de problemas de ingeniería reales, aportando herramientas de integración de técnicas simbólicas y subsimbólicas (proyecto MIX, 1994-1997).
Minería de datos de transporte urbano (proyecto SEIC, 1995) y de videovigilancia (proyecto AzVigia, 2005-2007). Herramientas para el proceso de minería de datos (proyecto M2D2)
Aplicación de técnicas bayesianas al diagnóstico en redes de telecomunicación (colaboración con Telefónica España y Chequia)
Aplicación de técnicas de Aprendizaje automático basado en Big Data en Análisis de Sentimientos (Financial Twitter Tracker y EuroSentiment)

Publications Ver más

Development of an occupational stress prediction system exploiting computer interaction data through machine learning

Sofia Pérez. (2024). Development of an occupational stress prediction system exploiting computer interaction data through machine learning. Trabajo de fin de carrera (TFG). Universidad Politécnica de Madrid, ETSI Telecomunicación.
Design and Development of an Ethical and Moral Values Audit Toolkit for Detecting Bias and Fairness in Machine Learning-based Text Classifiers

José Luis Benítez Santana. (2024). Design and Development of an Ethical and Moral Values Audit Toolkit for Detecting Bias and Fairness in Machine Learning-based Text Classifiers. Trabajo de fin de carrera (TFM). Universidad Politécnica de Madrid, ETSI Telecomunicación.
Design and Development of a Semantic Ethical Black Box for a Social Robot. Audit of the Bias and Fairness of Training Datasets

Saulo José Nuez Ortega. (2024). Design and Development of a Semantic Ethical Black Box for a Social Robot. Audit of the Bias and Fairness of Training Datasets. Trabajo de fin de carrera (TFM). Universidad Politécnica de Madrid, ETSI Telecomunicación.
FRELSA: A dataset for frailty in elderly people originated from ELSA and evaluated through machine learning models

Matteo Leghissa, Álvaro Carrera Barroso & Carlos A. Iglesias. (2024). FRELSA: A dataset for frailty in elderly people originated from ELSA and evaluated through machine learning models. International journal of medical informatics, 192.
Development of a Fake News Detection System using Ma- chine Learning and Natural Language Processing Techniques

Beatriz Hernandez-Fonta Codesido. (2024). Development of a Fake News Detection System using Ma- chine Learning and Natural Language Processing Techniques. Trabajo de fin de carrera (TFG). Universidad Politécnica de Madrid.