Data Science Lab. Universidad Rey Juan Carlos

🎉 ¡Gran alegría para el DSLAB de la mano de dos de nuestros compañeros! Laureano Escudero recibe la medalla de la Asociación Latino-Iberoamericana de Investigación Operativa (ALIO) de manos de Antonio Alonso-Ayuso, presidente de ALIO ¡Felicidades Laureano 🤗 ! https://lnkd.in/dFdT3s9B

¡Interesantísimas publicaciones en el último número de TOP-Transactions in Operations Research! Destacamos en particular la realizada por miembros del DSLAB 😍 Nuestros compañeros Javier Gómez Miguel, César Alfaro Gimeno, José Felipe Ortega, Javier M. Moguerza, María Jesús Algar y Raúl Moreno han publicado "Adapting support vector optimisation algorithms to textual gender classification". Podéis encontrar el artículo en abierto en: https://lnkd.in/dJ9aB63z Como siempre, ¡os dejamos un breve resumen! Este artículo se centra en el problema de determinar el sexo de la persona descrita en un texto biográfico. Dado que los clasificadores máquinas vector soporte son muy adecuados para tareas de clasificación de textos, se presenta un nuevo criterio de parada para algoritmos de optimización de vectores de soporte adaptados a este problema concreto. Este nuevo enfoque explota las propiedades geométricas de la representación vectorial de dicho contenido. Un experimento con un conjunto de artículos biográficos en inglés y español recuperados de Wikipedia ilustra el enfoque y lo compara con otros algoritmos de clasificación de aprendizaje automático. El método propuesto permite entrenar el algoritmo de clasificación en tiempo real. Además, los resultados confirman la ventaja de aprovechar para esta tarea la información adicional sobre el género en lenguas como el castellano.

¡Nueva publicación! Nuestros compañeros Raúl Moreno, Alberto Fernández Isabel,Víctor Aceña Gil, Isaac Martín de Diego y Javier M. Moguerza publican "Tourist services management through clients scoring using a bio-inspired agent architecture" en la revista Computer Science and Information Systems. Este paper forma parte de la tesis de Raúl, así que ¡nuestras felicitaciones 😊 ! Gracias también a la empresa Madox Viajes por los datos. ¡Os dejamos el enlace y un breve resumen! El turismo se ha convertido en un motor económico para varios países durante las últimas décadas. Estos viajes acaparan múltiples medios de transporte e instalaciones en el lugar de destino que deben gestionarse correctamente. Por ello, la aparición de sistemas automáticos para abordar las operaciones y procesos relacionados es una cuestión crucial en la actualidad. Estos sistemas suelen estar centrados en los usuarios finales (los turistas) y hacen recomendaciones sobre sus posibilidades disponibles. Sin embargo, no es fácil encontrar un sistema de recomendación multipropósito que cubra todas las necesidades desde la perspectiva de la agencia de viajes. En este artículo, se presenta un marco completo llamado Pharaoh capaz de hacer recomendaciones a los clientes cubriendo la perspectiva del usuario final y de proporcionar soporte a los agentes de viajes. Esta asistencia filtra las mejores opciones de viaje, alojamiento y actividades según los deseos de los clientes. Esta novedosa funcionalidad permite seleccionar al cliente con mayor propensión a reservar un servicio turístico. Esta carga de trabajo se distribuye utilizando un Sistema Multi-Agente (MAS) de inspiración biológica. Además, Pharaoh tiene en cuenta el feedback de los clientes tras la finalización de la oportunidad turística para mejorar las recomendaciones futuras. El sistema mejora la calidad del servicio prestado por la agencia de viajes y sus beneficios. https://lnkd.in/dEdF6shJ

¡Enhorabuena a la flamante doctora Marina Cuesta Santa Teresa! Nuestra compañera Marina Cuesta Santa Teresa acaba de defender su tesis doctoral "Machine Learning-Powered Data Visualizations for Guiding Data Science" dirigida por Isaac Martín de Diego y Emilio L. Cano ¡Os dejamos algunas instantáneas para compartir este momento 🤗 !

¡Nueva publicación! Nuestros compañeros Isaac Martín de Diego y Alberto Fernández Isabel, junto a Adrián Alonso Barriuso y Alfonso Ardoiz Galaz de la empresa dezzai y a J.F. J. Viseu Pinheiro de IBSAL_IIS acaban de publicar el artículo "Recommendation system of scientific articles from discharge summaries" en Engineering Applications of Artificial Intelligence. ¡Os dejamos el enlace y un resumen del mismo! Los profesionales médicos a menudo se ven abrumados por la cantidad de pacientes que tienen que atender, lo que les deja poco tiempo disponible para mantenerse al día en sus respectivas especialidades. Por lo general, les resulta difícil mantenerse al día con la gran cantidad de literatura médica e identificar los artículos más relevantes para su práctica, especialmente aquellos relacionados con las condiciones específicas de sus pacientes. Por lo tanto, es crucial un sistema que apoye proactivamente a los profesionales de la salud en la selección de artículos relevantes relacionados con las características de los pacientes. Este artículo presenta al sistema llamado Experto Lingüista Médico en Evaluación de Información Nosológica y Diagnóstica (MELENDI, por sus siglas en inglés) para abordar este tema. Es un sistema de recomendación que recomienda de manera efectiva y eficiente artículos médicos pertinentes a los profesionales de la salud en función de los diagnósticos de sus pacientes. Combina un modelo de similitud semántica generado a partir del contenido de los resúmenes de altas, con un estimador de relevancia elaborado a partir del análisis de publicaciones científicas. Para probar el sistema, los resúmenes se obtuvieron de PubMed y se utilizaron 10 informes de alta del Mercado de información médica para cuidados intensivos (MIMIC-III, por sus siglas en inglés). En la evaluación del sistema ha participado un grupo de 5 médicos especialistas. Estas evaluaciones demostraron un buen desempeño general, respaldando la implementación del sistema en un entorno del mundo real, como un sistema de información hospitalaria. https://lnkd.in/dufkrUK8

¡Encantados de haber podido asistir a este magnífico evento de Generative AI Association!

¡🚨Atención🚨! En el DSLAB estamos buscando candidatos/as para realizar una tesis doctoral industrial en una empresa del sector solar. El tema de investigación tratará sobre métodos de optimización en el campo de las energías renovables y la ubicación de puntos de recarga, utilizando técnicas de Ciencia de Datos e Inteligencia Artificial. Las personas interesadas deben estar estar en disposición de estar matriculadas o admitidas en el programa de doctorado TIC (Tecnologías de la Información y las Comunicaciones) de la Universidad Rey Juan Carlos para el curso 2024/2025, y el resto de requisitos para la ayuda de doctorados industriales de la AGE. La tesis se realizaría presencialmente en la sede de la empresa en Tenerife, con estancias temporales periódicas en su sede de Madrid o en la Universidad Rey Juan Carlos. ¡Escríbenos si te interesa!

¿Quién se viene de seminario 🥳? El 5 de julio, en la sede de Manuel Becerra de la Universidad Rey Juan Carlos, tendrá lugar el I Seminario SOCEIO del grupo de trabajo de Software y Computación en Estadística e Investigación Operativa de la SEIO - Spanish Society of Statistics and Operational Research. ¡Todavía está abierto el plazo de inscripción y de envío de propuestas! Allí nos vemos 😉 https://lnkd.in/dfW48nDZ

¡Evento de la Comunidad R Hispano este jueves 21 de marzo! Nicolás Leconte nos contará detalles de cómo usa R en el contexto de la Ciberseguridad. ¿Dónde? - Salón de actos de la Universidad Rey Juan Carlos, sede de Madrid Centro (Calle Quintana, 21) - Online (Zoom): https://lnkd.in/g5kXD2Pu Toda la información en: https://lnkd.in/gXxQui_u

¡Nueva publicación del DSLAB que estamos en temporada 🍓! Nuestros compañeros Isaac Martín de Diego, Juan Carlos Prieto, Alberto Fernández Isabel, Javier Gómez Miguel & César Alfaro Gimeno publican Framework for scoring the scientific reputation of researchers en la revista Knowledge and Information Systems. ¡Os dejamos el enlace y un breve resumen! En la comunidad científica, para clasificar el trabajo de los investigadores en función de su mérito científico, la mayoría de las métricas existentes se basan en el número de publicaciones asociadas a un autor junto con el número de citas recibidas por esas publicaciones. Sin embargo, no existe una métrica estándar que se utilice oficialmente para evaluar las carreras de los investigadores. En este artículo se describe el Marco para la Estimación de la Reputación de Autores Científicos (FRESA) para abordar este tema. Es un sistema capaz de estimar la reputación de un investigador centrándose en las publicaciones realizadas. Calcula dos índices haciendo uso de los conceptos de relevancia y novedad en el ámbito científico. El sistema puede representar las trayectorias científicas de los investigadores a través de los índices propuestos para ilustrar su evolución en el tiempo. FRESA utiliza fuentes de información web y aplica medidas de similitud, técnicas de minería de textos y algoritmos de agrupamiento para clasificar y agrupar también a los investigadores.