DRACO es un grupo de investigación en Ingeniería de Datos, formado por docentes en los grados de Ingeniería del Software, Doble Grado en Ingeniería del Software + Matemáticas y Doble Grado en Física, con líneas de investigación en Inteligencia Artificial y Machine Learning aplicado a la Ciencia de Datos. Dada la masiva generación y recopilación de datos que existe actualmente en cualquier ámbito de nuestras vidas la ciencia de datos representa el ámbito más apasionante y de mayor auge para la sociedad actual y futura, por lo que es un área de máximo interés para llevar a cabo cualquier labor de investigación.
Google Scholar 
Dr. Francisco Javier García Algarra
Dra. Beatriz Martínez Pabón
Dr. Alfonso Castro Escudero
Dr. Pablo Ramos Criado
Dr. Pedro Concejero Cerezo
Dra. Mariluz Congosto
Mar Angulo Martínez, Phd. Candidate
Manoel Fernando Alonso Gadi, Phd. Candidate
Emilio Mino Díaz, Ingeniero de Telecomunicación
Miguel Ángel Mesas, Estadístico
Dr. Miguel Ángel Muñoz Mohedano
Dr. Víctor Gayoso Martínez
Jaime Barahona Martínez, Phd. Candidate
Óscar Castillo Campo, Víctor Gayoso Martínez, Luis Hernández Encinas, Agustín Martín Muñoz, and Roberto Álvarez Fernández. Cybersecurity trends in cooperative, connected, and automated mobility. Logic Journal of the IGPL. ISSN 1367-0751. 2023. |
Miguel A. Mohedano-Munoz, Cristina Soguero-Ruiz, Inmaculada Mora-Jiménez, Manuel Rubio-Sánchez, Joaquín Álvarez-Rodríguez, Alberto Sanchez, «A streaming data visualization framework for supporting decision-making in the Intensive Care Unit.» Expert Systems with Applications, Volume 227, 120252, ISSN 0957-4174. 2023 |
Mathematics and Its Applications in Science and Engineering. Queiruga-Dios, Araceli and Santos Sánchez, María Jesus and Yilmaz, Fatih and Dias Rasteiro, Deolinda M. L. and Martín-Vaquero, Jesús and Gayoso Martínez, Víctor. Mathematics, 10(19), 3412, 2022
|
Using Free Mathematical Software in Engineering Classes. Gayoso Martínez, V., Hernández Encinas, L., Martín Muñoz, A., & Queiruga Dios, A. Axioms, 10(4), 253. 2021
|
Fine scale prediction of ecological community composition using a two-step sequential Machine Learning ensemble. I Civantos-Gómez, J García-Algarra, D García-Callejas, J Galeano. PLOS Computational Biology 17 (12), e1008906. 2021
|
A general model of population dynamics accounting for multiple kinds of interaction. L Stucchi, JM Pastor, J García-Algarra, J Galeano. Complexity 2020
|
Reducing Trade Inequality: A Network-Based Assessment J Garcia-Algarra, GG Bengoechea, ML Mouronte-López. Complexity 2020
|
A structural approach to disentangle the visualization of bipartite biological networks. J Garcia-Algarra, JM Pastor, ML Mouronte, J Galeano. Complexity 2018
|
Ranking of critical species to preserve the functionality of mutualistic networks using the k-core decomposition. J García-Algarra, JM Pastor, JM Iriondo, J Galeano. PeerJ 5, e3321. 2017
|
«Machine Learning Applications for Plant Conservation«. Icíar Civantos Gómez. Directores: Javier Algarra. Javier Galeano. Universidad Politécnica de Madrid. 2023.
Proyectos de Investigación
PREvEnT
Pollinators Responses to Evolving Environmental Trends
El objetivo del proyecto es hacer predicciones espaciales de la abundancia de polinizadores con redes neuronales convolucionales, mediante reconocimiento de imágenes, a partir de los datos de CropPol (base de datos global y abierta sobre polinización de los cultivos).
- Javier García Algarra (Investigador)
- Pedro Concejero Cerezo (Investigador)
- Marcos Novalbos Mendiguchía (investigador)
