Programa de la Materia Metodología de la Investigación 2020

@CIIAUV 

Alumnos de la Generación 2020-2022

Viernes 11 de diciembre de 2020

 8:45 AM – 9:00 AM Presentación de la materia personalizada: Metodología de la Investigación y las líneas de Generación y Aplicación del Conocimiento (LGACs).

09:00 AM – 09:20 PM Dr. Guillermo de Jesús Hoyos Rivera, Análisis de polaridad en redes sociales

9:20 AM – 9:40 AM Dr. Antonio Marín Hernández, Robótica autónoma inteligente, percepción y acción

9:40 AM – 10:00 AM Dr. Fernando Martín Montes González, Robótica Evolutiva

10:00 AM – 10:20 AM Dr. Alejandro Guerra Hernández, Agentes, Aprendizaje y Simulación

10:20 AM – 10:40 AM Dr. Nicandro Cruz Ramírez, Construcción de redes probabilistas a partir de datos usando un enfoque bayesiano

R E C E S O

11:40 AM – 12:00 PM Dra. Marcela Quiroz Castellanos, IA para entender, explicar y optimizar la IA

12:00 PM – 12:20 PM Dra. Erika Janet Rechy Ramírez, Juegos serios y fusión de sensores

12:20 PM – 12:40 PM Dr. Horacio Tapia McClung, Minería y Análisis de Datos de Sistemas Complejos e Inteligencia Artificial para la Industria

12:40 PM – 01:00 PM Dr. Homero Vladimir Ríos Figueroa, Aprendizaje Visual

01:20 PM – 01:40 PM Dr. Héctor Gabriel Acosta Mesa, Visión computacional evolutiva y aplicaciones

01:40 PM – 02:00 PM Dr. Efrén Mezura Montes, Computación Evolutiva, Investigación y Aplicaciones

 

R E S U M E N E S

 Dr. Guillermo de Jesús Hoyos Rivera

Análisis de polaridad en redes sociales

Ante la cantidad de mensajes que circulan en las redes sociales, se vuelve imposible llevar a cabo un análisis realista de la polaridad estadística de los mismos, razón por la cual es necesario llevar a cabo un análisis automatizado, que nos permita analizar el texto, y extraer de él si el comentario es positivo, negativo o neutro, y en qué proporción lo és.

Dr. Fernando Martín Montes González

Robótica Evolutiva

El uso de redes neuronales y técnicas de cómputo evolutivo favorece la evolución de controladores casi-óptimos para el desarrollo de tareas robóticas en ambientes poco estructurados y sin la intervención de un diseñador humano.

Dr. Alejandro Guerra Hernández

Agentes, Aprendizaje y Simulación.

Está línea tiene que ver con la concepción, modelado e implementación de Sistemas Multi-Agente y su interacción con el Aprendizaje Automático y la Simulación. En particular los temas propuestos tienen que ver con la implementación y mejora de herramientas para el desarrollo de los Sistemas Multi-Agente, encaminada a que los agentes puedan aprender, o dar soporte en procesos de minería de datos, o explotar aprendizaje en el contexto de una simulación.

Dr. Nicandro Cruz Ramírez

Construcción de redes probabilistas a partir de datos usando un enfoque bayesiano

En esta plática presentaré el problema del aprendizaje de redes probabilistas a partir de datos, el cual típicamente se aborda desde la perspectiva frecuentista. Terminaré con la explicación de cómo se pueden integrar los datos con las creencias para lograr mejores modelos.

Dra. Marcela Quiroz Castellanos

IA para entender, explicar y optimizar la IA

Los métodos de IA para optimización son denominados “metaheurísticas”. Las metaheurísticas son capaces de resolver una amplia gama de problemas complejos en la industria y los servicios, en áreas que van desde las finanzas hasta la gestión de producción y la ingeniería. El diseño de estos algoritmos aún es considerado un arte (más que una ciencia), por lo que los trabajos de esta línea de investigación están enfocados generar conocimiento científico estructurado que explique el comportamiento de los algoritmos y beneficie el diseño de mejores técnicas.

Dra. Erika Janet Rechy Ramírez

Juegos serios y fusión de sensores

Se explicarán los conceptos de un juego serio y fusión de sensores. Asimismo, se mostrarán los sensores con los que se cuenta para realizar investigación en este rubro. Finalmente, se presentarán brevemente proyectos que involucren la implementación de juegos serios y fusión de sensores.

Dr. Horacio Tapia McClung

Minería y Análisis de Datos de Sistemas Complejos e Inteligencia Artificial para la Industria

Horacio Tapia-McClung / A. Raúl Hernández-Montoya / Héctor Coronel Brizio

Aplicamos conceptos emanados de la Física Estadística al estudio de sistemas complejos no considerados tradicionalmente por esta área de la ciencia, tales como sistemas biológicos, económicos, sociales e industriales. Apoyándonos de técnicas adicionales como procesamiento de imágenes, simulaciones de agentes, redes neuronales y análisis de series de tiempo, desarrollamos y utilizamos metodologías para examinar, descubrir y estudiar los patrones que emergen en estos sistemas, sus relaciones entre componentes y sus consecuencias en el entorno.

Dr. Homero Vladimir Ríos Figueroa

Aprendizaje Visual

Se presentará los conceptos de aprendizaje visual probabilístico, P(Theta | X), P(X* | Theta), aplicaciones y temas posibles de tesis.

Dr. Héctor Gabriel Acosta Mesa

Visión computacional evolutiva y aplicaciones

La visión computacional evolutiva es un área multidisciplinaria que estudia y desarrolla sistemas computacionales con capacidad de entender imágenes digitales haciendo uso de aprendizaje automático y cómputo evolutivo. Se presentarán algunas aplicaciones médicas.

Dr. Efrén Mezura Montes

Computación Evolutiva, Investigación y Aplicaciones

Después de una muy breve introducción a la Computación Evolutiva, se presentan propuestas de tesis en temas como neuroevolución en redes neuronales convolucionales para procesamiento de imágenes, minería evolutiva de datos, optimización evolutiva en espacios dinámicos, optimización evolutiva bi-nivel, optimización evolutiva multi-objetivo, entre otros.