Centro Universitario de Tecnología y Arte Digital

DRACO

Grupo de Investigación 

Autor de la imagen

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.

Dra. Ramona Ruiz Blázquez

Directora del Grupo de Investigación

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

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. Mathematics10(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

 

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)