Más actividades

Más actividades

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

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

Cursos

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.