Ir al contenido

SEMINARIO SeCyT – Pablo Moscato

    🗣CICLO DE SEMINARIOS – SeCyT FCAG🗣
    ✨Aprendizaje automático de precisión: de la medicina de precisión a la cosmología de precisión
    A cargo del Dr. Pablo Moscato (Universidad de Newcastle)

    🗓 Martes 19 de Agosto
    ⏰ 12:00 h
    📍 Aula L – FCAG

    Aprendizaje Automático de Precisión: De la Medicina de Precisión a la Cosmología
    de Precisión

    El Aprendizaje Automático de Precisión (PML) es un enfoque innovador para desarrollar
    modelos precisos, interpretables y generalizables a partir de datos, con aplicaciones
    destacadas en Medicina de Precisión. Este seminario presentará la regresión simbólica
    como herramienta clave, destacando su capacidad de interpolación y extrapolación, así
    como su eficacia en la generación de fórmulas precisas. También se abordará la
    regresión de fracciones continuas, que produce expresiones analíticas compactas
    optimizadas con algoritmos meméticos. Finalmente, se mostrarán aplicaciones en física,
    química y cosmología, donde estas técnicas han contribuido al avance del modelo
    Lambda-CDM y la comprensión del universo.

    El Dr. Pablo Moscato es Profesor de Ciencia de Datos en la Universidad de Newcastle,
    Australia ,https://www.newcastle.edu.au/ y un pionero en Ciencias de la Computación.
    Obtuvo su doctorado en Ingeniería Eléctrica en Brasil y es licenciado en Física por la
    Universidad Nacional de La Plata, Argentina.
    En 1989 en su estadía en el CALTEC, introdujo el concepto de algoritmos meméticos,
    una técnica innovadora para resolver problemas complejos, hoy ampliamente usada en
    Inteligencia Artificial. Su investigación reciente se enfoca en el Aprendizaje Automático de
    Precisión y la Regresión por Fracciones Continuas (CFR), una metodología que
    integrada con algoritmos meméticos, permite construir modelos matemáticos compactos
    y precisos, aplicada con éxito en áreas como las matemáticas, informática, ingeniería y
    física nuclear.


    ¡Te esperamos!