Más actividades

Otras actividades de la cátedra como defensa de tesis doctorales, presentación de trabajos de fin de máster, etc.

Temas de investigación

  • Modelos lineales sparse.
  • Clasificación en muestras desequilibradas.
  • Aprendizaje de variedades y reducción de dimensionalidad.
  • Predicción mediante sistemas dinámicos y redes recurrentes.
  • Aplicaciones del aprendizaje automático a problemas de clasificación y regresión.

Tesis doctorales en curso

  • David Díaz Vico. Redes Neuronales Profundas.
  • Jesús Prada Alonso. Uncertainty estimates for SVR models.
  • Yvonne Gala García. Large scale algorithms for renewable energy forecasting.
  • Alejandro Catalina Feliú. Acceleration Methods in Convex Optimization.
  • Alaíz, C. M. Proximal Methods in Convex Optimization. [Tesis de doctorado en curso.] UAM, Universidad Autónoma de Madrid. Madrid, España.
  • Fernández, A. Diffusion Methods and Applications. [Tesis de doctorado en curso.] UAM, Universidad Autónoma de Madrid. Madrid, España.
  • Torres, A. Advanced Sparse Modelling. [Tesis de doctorado en curso.] UAM, Universidad Autónoma de Madrid. Madrid, España.
  • Gala, Y. Advanced Machine Learning Algorithms for Big Sample Data. [Tesis de doctorado en curso.] UAM, Universidad Autónoma de Madrid. Madrid, España.

Defensas de tesis doctorales

  • Alberto Torres Barrán. Acceleration Methods for Classic Convex Optimization Problems. Departamento de Ingeniería Informática de la U.A.M., septiembre de 2017.
  • Ángela Fernández Pascual. Diffusion Methods and Applications. Departamento de Ingeniería Informática de la U.A.M., julio de 2014.
  • Carlos Alaíz. Proximal Methods for Structured Group Features and Correlation Matrix Nearness. Departamento de Ingeniería Informática de la U.A.M., julio de 2014.
  • Jorge López. Analysis and Convergence of SMO-like Decomposition and Geometrical Algorithms for Support Vector Machines. Departamento de Ingeniería Informática de la U.A.M., febrero de 2012.
  • Alvaro Barbero. Efficient Optimization Methods for Regularized Learning: Support Vector Machines and Total-Variation Regularization. Departamento de Ingeniería Informática de la U.A.M., julio de 2011.

Trabajos de fin de máster (últimos años)

  • Álvaro Romero Miralles. Predicción del precio de la energía eléctrica en España. Trabajo Fin de Master. Departamento de Ingeniería Informática de la U.A.M. Septiembre de 2017.
  • Alejandro Catalina Feliú. Nesterov Acceleration for Group Lasso. Trabajo Fin de Master. Departamento de Ingeniería Informática de la U.A.M. Julio de 2017.
  • Alvaro Alonso Liso, Feature selection for Random Forests and Gradient Boosting Regression, Trabajo Fin de Master. Departamento de Ingeniería Informática de la U.A.M. Septiembre de 2016.
  • Daniel López Arias, Trend Filtering Techniques for Time Series Analysis, Trabajo Fin de Master. Departamento de Ingeniería Informática de la U.A.M. Julio de 2016.
  • Jesús Prada Alonso, SVRs and Uncertainty Estimates, Trabajo Fin de Master. Departamento de Ingeniería Informática de la U.A.M. Julio de 2015.
  • José Luis Jiménez Moro, Sparse Modeling and Proximal Optimization in Survival Analysis, Trabajo Fin de Master. Departamento de Ingeniería Informática de la U.A.M. Junio de 2015.
  • Yvonne Gala García, Algoritmos SVM para problemas sobre big data. Trabajo Fin de Master. Departamento de Ingeniería Informática de la U.A.M. Octubre de 2013.
  • Alberto Torres Barrán, Sparse Linear Models and Proximal Optimization. Trabajo Fin de Master. Departamento de Ingeniería Informática de la U.A.M. Octubre de 2013.
  • David Díaz Vico, Deep Neural Networks. Trabajo Fin de Master. Departamento de Ingeniería Informática de la U.A.M. Octubre de 2012.
  • Susana Rojas Labanda, Meta-parameter selection for Support Vector Machines in wind energy forecasting models. Master Thesis. Department of Informatics, Mathematical Modelling and Computation, Technical University of Denmark (co-dirigido con Jan Larsen), junio de 2012
  • Torres, A. (2013). Sparse linear models and proximal optimization. UAM, Universidad Autónoma de Madrid. Madrid, España.
  • Rojas, S. (2012). Meta-parameter selection for Support Vector Machines in wind energy forecasting models. Technical University of Denmark. Denmark.
  • Díaz, D. (2012). Deep Neural Networks. UAM, Universidad Autónoma de Madrid. Madrid, España.
  • Reguero, J. (2011). Aplicación de las redes bayesianas dinámicas a la predicción de series de datos y a la detección de anomalías. UAM, Universidad Autónoma de Madrid. Madrid, España.
  • Alaíz, C. M. (2010). Advanced Methods for Recurrent Neural Networks Design. UAM, Universidad Autónoma de Madrid. Madrid, España.
  • Fernández, A. (2010). Advanced methods for dimensionality reduction and clustering: Laplacian Eigenmaps and Spectral Clustering. UAM, Universidad Autónoma de Madrid. Madrid, España.

Seminarios de la Cátedra

Seminarios formativos sobre aspectos teóricos y prácticos sobre el aprendizaje automático y todo lo relacionado con la ciencia de datos.

Seminarios

Grupo de Energía

Intercambiar información, promover iniciativas y fomentar la actividad española en investigación e innovación en energías renovables.

Grupo de Energía