VOLVER

Share

Investigadoras de la Universidad de Sevilla, ‘Special Fellows of the Week’

Sandra Benítez Peña, Cristina Molero Río y Remedios Sillero Denamiel serán la semana del 30 de junio ‘Special Fellows of the Week‘. Este premio es una iniciativa especial dentro del programa Marie Skłodowska-Curie Actions de la Comisión Europea cuyo objetivo, en este caso, es valorar el trabajo de las investigadoras dentro del proyecto sobre modelos matemáticos de predicción de la evolución a corto plazo de la pandemia por el COVID-19.

Fuente: Universidad de Sevilla


Sevilla |
24 de junio de 2020

Sandra Benítez Peña, Cristina Molero Río y Remedios Sillero Denamiel serán la semana del 30 de junio ‘Special Fellows of the Week‘. Este premio es una iniciativa especial dentro del programa Marie Skłodowska-Curie Actions de la Comisión Europea cuyo objetivo, en este caso, es valorar el trabajo de las investigadoras dentro del proyecto sobre modelos matemáticos de predicción de la evolución a corto plazo de la pandemia por el COVID-19.

Sandra Benítez Peña, Cristina Molero Río y Remedios Sillero Denamiel.

Sandra, Cristina y Remedios son tres estudiantes de doctorado del Instituto de Matemáticas en la Universidad de Sevilla (IMUS). Antes de comenzar su doctorado, fueron contratadas por diferentes proyectos de investigación interdisciplinares donde las Matemáticas jugaban un papel fundamental. Uno de estos proyectos de investigación tenía como objetivo la detección temprana de enfermedades.

Los proyectos de doctorado de Sandra Benítez  y Cristina Molero están relacionados con la aplicación de la Optimización Matemática en el área de la Clasificación Supervisada. En particular, se centran en mejorar herramientas del Aprendizaje Automático como las Máquinas de Vectores Soporte y los Árboles de Decisión, respectivamente. El proyecto de doctorado de Remedios Sillero, por su parte, se basa en la aplicación de herramientas de la Optimización Matemática en problemas estadísticos relacionados con el Análisis Multivariante.

Las tres investigadoras forman parte del proyecto NeEDS (Network of European Data Scientists), que es un proyecto tipo RISE (Research and Innovation Staff Exchange) fundado bajo el programa Marie Skłodowska-Curie Actions. Esta red aborda la necesidad urgente de un entorno integrado de modelado y computación que facilite el procesamiento de los datos, su análisis y su comunicación (en forma de visualización e interacción humano-computadora) para ayudar en la toma de decisiones. Su experiencia como integrantes de este proyecto les ha permitido estar en contacto con la industria, así como aplicar sus trabajos de investigación a problemas de la vida real, como los relacionados con la privacidad de datos.

Cuando la pandemia de la COVID-19 comenzó, el CEMat (Comité Español de MATemáticas) motivó a los investigadores de distintas áreas a colaborar en la construcción de un predictor cooperativo, con el objetivo de proporcionar a las autoridades información sobre la expansion del virus a corto plazo. Por esta razón, un grupo de nueve investigadores/as en Estadística e Investigación Operativa, del que Sandra, Cristina y Remedios forman parte, unieron fuerzas para contribuir en esta iniciativa.

“Nuestra idea fue la siguiente: Es conocido que existe una amplia variedad de regresores para hacer predicciones, así propusimos combinar un conjunto pequeño de ellos a través de un método `ensemble´. Como es usual, buscan una buena capacidad predictiva general, e introducen un aspecto novedoso en forma de `sparsity´ selectiva basada en el rendimiento individual de cada uno de los regresores. Este nuevo ensemble se obtiene resolviendo un problema de Optimización Matemática con restricciones lineales”, explican las investigadoras.

Este procedimiento mecánico es particularmente útil cuando se trata con datos no estacionarios, como es el caso de los datos de la COVID-19, donde la composición del ensemble puede cambiar con el tiempo.


Share

Últimas publicaciones

Crean un acelerador de modelos de inteligencia artificial hasta un 70% más rápido con menos datos
Cádiz | 05 de julio de 2025

Un equipo de investigación de la Universidad de Cádiz ha creado REDIBAGG, un método que acelera el entrenamiento de modelos de inteligencia artificial hasta un 70%, al utilizar menos datos pero sin perder precisión. La técnica tiene potencial para analizar grandes volúmenes de información en campos tan diversos como la medicina, la industria o las finanzas.

Sigue leyendo
Diseñan un método rápido y eficaz para medir las prácticas que conservan la dehesa
Córdoba | 03 de julio de 2025

Un equipo de la Universidad de Córdoba en colaboración con otras entidades y equipos de investigación de España y Portugal,  desarrolla un nuevo método que permite evaluar de manera sencilla el estado de calidad de las dehesas en función de una serie de buenas prácticas relacionadas con la biodiversidad, la productividad de los pastos o el manejo de la arboleda.

Sigue leyendo
Un estudio revela que el ayuno intermitente impulsa la memoria y la atención en personas con obesidad
Málaga | 03 de julio de 2025

El ayuno intermitente en días alternos no solo ayuda a adelgazar: un estudio de IBIMA demuestra que este patrón alimentario, al remodelar la microbiota intestinal y frenar la inflamación sistémica, mejora de forma significativa la memoria, la atención y el control inhibitorio en adultos con obesidad. La investigación allana el camino hacia una “nutrición de precisión para el cerebro”.

Sigue leyendo

#CienciaDirecta

Tu fuente de noticias sobre ciencia andaluza

Más información Suscríbete

Ir al contenido