Etsiinf
Industrial Applications of Machine Learning muestra cómo se puede aplicar el aprendizaje automático para abordar problemas del mundo real en la cuarta revolución industrial, y proporciona los conocimientos y herramientas necesarios para que los lectores puedan construir sus propias soluciones basadas en la teoría y la práctica. El libro presenta la cuarta revolución industrial y su impacto actual en las organizaciones y la sociedad. Explora los fundamentos del aprendizaje automático e incluye cuatro casos prácticos que abordan un problema del mundo real en los ámbitos de la fabricación o la logística, y aborda las soluciones de aprendizaje automático desde un punto de vista orientado a la aplicación. El libro debería ser de especial interés para los investigadores interesados en los problemas industriales del mundo real.
David Atienza se licenció en Ciencias de la Computación por la Universidad de Burgos, España, en 2014, y obtuvo el título de Máster en Inteligencia Artificial por la Universidad Politécnica de Madrid, España, en 2016, donde actualmente es estudiante de doctorado.
Javier Díaz-Rozo recibió su título de Ingeniero Mecánico de la Universidad de los Andes, Bogotá, Colombia, en 2001. Además, obtuvo una maestría en Tecnología de Fabricación Avanzada y Gestión de Sistemas de la Universidad de Manchester, Reino Unido, en 2003. Antes de unirse a Aingura IIoT como líder del equipo IIoT, ha reunido casi 15 años de experiencia industrial trabajando en diferentes puestos relacionados con la I+D: Director de Proyectos de I+D en Ikergune (la unidad de I+D del Grupo Etxe-Tar) donde fue responsable del área de investigación de fabricación avanzada, Consultor Senior en una consultora de I+D en 2010-2014, Director de I+D en un grupo empresarial dedicado principalmente al sector de la energía eólica en 2008-2010 y Director del área de fabricación avanzada en el Centro Tecnológico ASCAMM en 2006-2008. Actualmente, también es estudiante de doctorado en la UPM.
Universidad Politécnica de Madrid
Soy investigador postdoctoral en el Grupo de Ingeniería Ontológica de la Universidad Politécnica de Madrid (UPM), España. Soy licenciado en Ciencias de la Computación (2009) y terminé el Máster en Inteligencia Artificial (2010) también en la UPM. En 2016 he obtenido el doctorado en Inteligencia Artificial con mi tesis “Ontology Evaluation: a pitfall-based approach to ontology diagnosis”. ¡Una de las principales contribuciones de esta tesis es la aplicación online OOPS! – OntOlogy Pitfall Scanner! que evalúa ontologías OWL..
Máster en inteligencia artificial upm
Actualmente hay más de 50 estudiantes con becas oficiales que investigan dentro de los grupos mencionados. Desde el año 2000 hasta 2012, el Departamento de Inteligencia Artificial y los grupos de investigación asociados han empleado a 820 becarios, en los que ha invertido 3.520.139 euros.
El personal docente e investigador del Departamento de Inteligencia Artificial ha recibido financiación externa por un valor total de más de 20.000.000 de euros en los últimos diez años, incluyendo la adjudicación de 53 proyectos de convocatorias públicas competitivas nacionales, 37 proyectos de convocatorias competitivas abiertas internacionales y 140 proyectos/contratos no competitivos suscritos con organismos públicos o privados nacionales o internacionales. Todo ello habla de la internacionalización, sostenibilidad, apertura, capacidad de financiación y potencial investigador del Departamento de Inteligencia Artificial.
Máster iot upm
En un artículo que se acaba de publicar en la reputada revista Advanced Functional Materials, los científicos del grupo de Wilde han podido observar directamente y medir cuantitativamente por primera vez la dinámica local de los reordenamientos atómicos a temperatura ambiente en un sólido amorfo [K. Spangenberg et al., Adv. Funct. Mater. 2021, 31, 2103742; DOI: 10.1002/adfm.202103742].
“Nuestras modernas tecnologías electrónicas se están acercando rápidamente a su límite, desde el punto de vista de la física”, afirma Wolfram Pernice. “Necesitamos métodos completamente nuevos para procesar los enormes volúmenes de datos que son necesarios para las aplicaciones de IA”.