Grupo

Referencia del grupo:

GIUV2013-017

Descripción de la actividad investigadora:

IDAL tiene como principal objetivo el estudio y aplicación de métodos inteligentes de análisis de datos para el reconocimiento de patrones, con aplicaciones en problemas de predicción, clasificación o determinación de tendencias. Sus miembros aplican, a grandes bases de datos, métodos estadísticos clásicos y técnicas de aprendizaje automático: contraste de hipótesis, modelos lineales, selección y extracción de características más relevantes, redes neuronales, algoritmos de clustering, árboles de decisión, máquinas de vectores soporte, modelos gráficos probabilísticos, visualización por manifolds, lógica borrosa, aprendizaje reforzado, etc. El fin último de la aplicación de estos métodos es la generación de modelos matemáticos que permitan la optimización de procesos y recursos, así como llegar a la toma de decisiones óptimas. Un claro ejemplo de lo comentado es el área de salud, donde IDAL ha desarrollado aplicaciones de ayuda a la decisión clínica basadas en el análisis de datos. Estas aplicaciones permiten mejorar la calidad de vida del paciente (estableciendo pautas de actuación clínica óptimas) al tiempo que reducen costes en el gasto sanitario. Complementando este...IDAL tiene como principal objetivo el estudio y aplicación de métodos inteligentes de análisis de datos para el reconocimiento de patrones, con aplicaciones en problemas de predicción, clasificación o determinación de tendencias. Sus miembros aplican, a grandes bases de datos, métodos estadísticos clásicos y técnicas de aprendizaje automático: contraste de hipótesis, modelos lineales, selección y extracción de características más relevantes, redes neuronales, algoritmos de clustering, árboles de decisión, máquinas de vectores soporte, modelos gráficos probabilísticos, visualización por manifolds, lógica borrosa, aprendizaje reforzado, etc. El fin último de la aplicación de estos métodos es la generación de modelos matemáticos que permitan la optimización de procesos y recursos, así como llegar a la toma de decisiones óptimas. Un claro ejemplo de lo comentado es el área de salud, donde IDAL ha desarrollado aplicaciones de ayuda a la decisión clínica basadas en el análisis de datos. Estas aplicaciones permiten mejorar la calidad de vida del paciente (estableciendo pautas de actuación clínica óptimas) al tiempo que reducen costes en el gasto sanitario. Complementando este conocimiento, el grupo tiene una amplia experiencia en el procesado de señales (análisis espectral, filtrado digital, procesado adaptativo, etc.) por su trabajo de más de 10 años en el procesado de bioseñales (ECG y EEG principalmente). Con todo este background IDAL es capaz de analizar un amplio abanico de datos y señales. Este hecho queda refrendado por el gran número de contratos tanto privados como públicos que ha desarrollado en diferentes áreas del conocimiento. Además, la mayor parte de los trabajos prácticos realizados se han reflejado en importantes publicaciones científicas con altos parámetros de impacto y en un gran número de comunicaciones a congresos internacionales dentro del área de análisis de datos. Entre las aplicaciones desarrolladas, (fuera del área de salud ya comentadas) se encuentran, entre otras, las siguientes: recomendadores web, modelos para la administración óptima de incentivos con el fin de fidelizar clientes, recomendadores de calzado basados en medidas, y otros trabajos de consultoría de análisis de datos. Además de su vertiente práctica IDAL, desarrolla nuevos algoritmos de análisis de datos mejorando las prestaciones de los existentes. Este trabajo de investigación se refleja también en una amplia difusión en forma de diferentes publicaciones en revistas de impacto y congresos relevantes para la comunidad científica del análisis de datos.
[Leer más]

Página Web:

http://idal.uv.es

Objetivos cientificotécnicos:

Minería de datos avanzada
Extracción de conocimiento de grandes bases de datos
Aplicación de sistemas expertos en aplicaciones reales
Desarrollo de nuevos algoritmos de análisis de datos
Big data

Líneas de investigación:

Análisis inteligente de datos. Aplicación de técnicas de aprendizaje automático para problemas de predicción, clasificación y reconocimiento de patrones o tendencias.
Optimización de procesos. Desarrollo de modelos de aprendizaje reforzado y programación dinámica para la reducción de costes, mejora de parámetros importantes y aumento de la eficiencia.
Sistemas de recomendación. Desarrollo de recomendadores de productos a partir de las características del cliente y gestión de promociones personalizadas.
Captación y procesado de señales. Desarrollo de equipos y algoritmos a medida para adquisición y tratamiento de señales de todo tipo.
Big data. Análisis de grandes bases de datos en las que se tienen tres características que las hacen especiales: velocidad de crecimiento, variedad en las clases de datos y volumen.
Procesado de lenguaje natural. Extracción de información estructurada y conocimiento a partir del análisis de texto libre con información a priori desestructurada
Aprendizaje automático cuántico. Utilización del formalismo de la mecánica cuántica para mejorar las prestaciones de algoritmos de aprendizaje automático. Utilización de aprendizaje automático para la descripción y extracción de conocimiento de fenómenos cuánticos.

Componentes del grupo:

Nombre	Carácter de la participación	Entidad	Descripción
Antonio José Serrano López	Director-a	UVEG-Valencia	Titular d'Universitat
Equip d'investigació
Juan José Carrasco Fernández	Membre	UVEG-Valencia	Investigador-a doctor-a UVEG Senior
Antonio Ferrer Sánchez	Membre	UVEG-Valencia	Investigador-a en Formació altres Lley de Ciència
Juan Gómez Sanchis	Membre	UVEG-Valencia	Titular d'Universitat
José Rafael Magdalena Benedicto	Membre	UVEG-Valencia	Titular d'Universitat
José David Martín Guerrero	Membre	UVEG-Valencia	Catedràtic-a d'Universitat
Marcelino Martínez Sober	Membre	UVEG-Valencia	Catedràtic-a d'Universitat
Fernando Mateo Jiménez	Membre	UVEG-Valencia	Titular d'Universitat
Oscar José Pellicer Valero	Membre	UVEG-Valencia	Professor-a Ajudant-a Doctor-a
Ricardo Sanz Díaz	Membre	UVEG-Valencia	Professor-a Ajudant-a Doctor-a
Emilio Soria Olivas	Membre	UVEG-Valencia	Catedràtic-a d'Universitat
Joan Vila Francés	Membre	UVEG-Valencia	Titular d'Universitat
Yolanda Vives Gilabert	Membre	UVEG-Valencia	Professor-a Ajudant-a Doctor-a
Andrea Bonetti	Col·laborador-a	UVEG-Valencia	Investigador-a no Doctor-a UVEG A1
Alejandro Dionis Ros	Col·laborador-a	UVEG-Valencia	Investigador-a no Doctor-a UVEG A1
Emilio Bernardo Fernández Vargas	Col·laborador-a	UVEG-Valencia	Investigador-a no Doctor-a UVEG A1
Carlos Flores Garrigo	Col·laborador-a	UVEG-Valencia	Tècnic-a Superior UVEG
Carlos Javier Hernani Morales	Col·laborador-a	UVEG-Valencia	Tècnic-a Superior UVEG
Sonia Pérez Díaz	Col·laborador-a	UAH-Madrid	Catedràtic-a d'Universitat
Juan Francisco Rodríguez Hernández	Col·laborador-a	AUS-US	Investigador-a
José Enrique Vila Gisbert	Col·laborador-a	UVEG-Valencia	Catedràtic-a d'Universitat
Nino Villanueva Espinosa	Col·laborador-a	UVEG-Valencia	Tècnic-a Superior Prometeo
Equip de Treball
Juan José Garcés Iniesta	Equip de Treball	UVEG-Valencia	Tècnic-a Mitjà UVEG

Grup

Ingeniería y arquitectura

Laboratorio de análisis de datos inteligente - IDAL