Antonio Salmerón Cerdán
Rafael Rumí Rodríguez
María Morales Giraldo
Ana Maldonado González
Rosa Fernández Ropero
antonio.salmeron@ual.es
rrumi@ual.es
maria.morales@ual.es
ana.d.maldonado@ual.es
rfr723@ual.es
1. Machine learning probabilístico
2. Big data
3. Análisis de datos en stream
4. Modelos bayesianos
El grupo cuenta con una amplia experiencia en modelos gráficos probabilísticos, tanto en su desarrollo metodológico como en sus aplicaciones en ciencias ambientales.
Hemos desarrollado soluciones para análisis de grandes volúmenes de datos y de datos en stream generados a altas frecuencias (por ejemplo, datos procedentes de sensores). Todas las soluciones están basadas en modelos interpretables.
- Análisis de volúmenes masivos de datos.
- Soluciones basadas en inteligencia artificial explicable y machine learning probabilístico.
• FP7-ICT-619209. Analysis of massive data streams - AMIDST.
Seventh EU Framework Programme. Enero 2014 - diciembre
2016. Presupuesto del grupo de la UAL: 323.490€.
• PID2019-106758GB-C32. Aprendizaje automático explicable: Una
aproximación probabilística - UAL. MICINN (Plan Nacional). Enero
2020 - diciembre 2022. 80.828€.
• TIN2016-77902-C3-3-P. Modelos gráficos probabilísticos y analítica
de datos escalable II - UAL. MINECO. Enero 2017 - diciembre
2019. 143.506€.
• TIN2013-46638-C3-1-P. Modelos gráficos probabilísticos para
analítica escalable de datos - UAL. MINECO (Plan Nacional). Enero
2014 - diciembre 2017. 57.150€.
• TIN2015-74368-JIN. Infer.JAVA: Un lenguaje de programación
probabilístico para el desarrollo de aplicaciones inteligentes sobre
grandes volúmenes de datos. UAL. Enero 2017 - diciembre 2019.
165.200€.
• UAL18-TIC-A011-B-E. Un sistema de alerta ante inundaciones en
las cuencas mediterráneas andaluzas desde la inteligencia artificial
y el data mining. Proyectos UAL-FEDER. Febrero 2020 - enero
2022. 80.000€
