Programas de máster de la Universidad de Madrid
El grupo de estudio sobre “Ciencia de Datos” tiene un amplio carácter interdisciplinar cuyo denominador común es la investigación en algunas de las fases implicadas en el tratamiento eficiente de la información, entendida en un sentido amplio (textos, imágenes, datos espacio-temporales, etc.). Nuestras principales líneas de investigación son:
Daniel Gómez González (Director del Programa de Doctorado en Ciencia de Datos y del Grupo de Investigación en “Ciencia de Datos y Soft Computing para la Analítica Social y Ayuda a la Decisión” Escuela de Estudios Estadísticos, Universidad Complutense de Madrid)
Https www ucm es español archivo pregrado
Tras su creación, el centro se ubicó provisionalmente en diferentes espacios ofrecidos tanto por la propia Universidad como por las Facultades de Ciencias Biológicas, Física, Geología y Matemáticas. En marzo de 2003, la Facultad se trasladó a un edificio propio en el Campus de Moncloa.
A partir del curso 2010-11 se implantaron tres nuevas titulaciones de grado dentro del Espacio Europeo de Educación Superior, que cumplían con las especificaciones del Acuerdo del Consejo de Universidades (BOE de 4 de agosto de 2009) sobre titulaciones oficiales en el ámbito de la Ingeniería Técnica Informática. Las tres titulaciones dan acceso directo al Máster en Ingeniería Informática. Estas titulaciones son: Ingeniería Informática, Ingeniería Informática e Ingeniería del Software.
Ranking de la Universidad Complutense de Madrid
Angela Montanari es catedrática de Estadística y ex directora del Departamento de Ciencias Estadísticas de la Universidad de Bolonia (Italia), presidenta de la Federación Internacional de Sociedades de Clasificación (IFCS) de 2020 a 2021, ex presidenta del Grupo de Clasificación de la Sociedad Italiana de Estadística (CLADAG) de 2007 a 2009. Sus intereses de investigación se centran en el campo de la clasificación supervisada y no supervisada, la reducción de dimensiones, la ciencia de los datos y el aprendizaje automático. Ha publicado más de 100 artículos en revistas internacionales, actas de congresos y libros editados.
Candelaria Hernández es profesora ayudante de Antropología Física en la Universidad Complutense. Es doctora en Biología y licenciada en Bioinformática y Bioestadística. Su investigación se centra en el estudio de la diversidad y la historia evolutiva de las poblaciones humanas mediante el uso de biodemografía y marcadores moleculares. Está especialmente interesada en los enfoques ómicos.
Doctora en Matemáticas. Profesora Asociada del Departamento de Informática de la Universidad Complutense de Madrid. Experta en procesamiento paralelo en clusters de ordenadores y big data. Líder de proyectos interdisciplinares con datos médicos, biológicos y educativos. Muy involucrado en el diseño y desarrollo de herramientas y metodologías innovadoras para cursos universitarios.
Wikipedia
ISCAR (Ingeniería de Sistemas, Control, Automatización y Robótica) es un grupo multidisciplinar de investigadores de los Departamentos de Arquitectura de Computadores y Automática, y de Ingeniería del Software e Inteligencia Artificial de la Universidad Complutense de Madrid.
Modelado y Control. Obtención de modelos mediante técnicas analíticas, inteligentes y heurísticas para: vehículos marinos y aéreos; dispositivos de energías renovables; sistemas industriales; o procesos logísticos. Desarrollo de reguladores para el seguimiento de trayectorias de vehículos y el mantenimiento de la formación, el control de la actitud de microsatélites, o para la industria aeronáutica.
Fusión de multisensores y visión por ordenador. Desarrollo de estrategias de fusión multisensor para medidas retardadas y sistemas complejos, y técnicas de vanguardia (deep learning) para sistemas de reconocimiento y percepción de objetos para vehículos autónomos.
Optimización y aprendizaje automático. Resolución de problemas industriales complejos (optimización logística para REPSOL y ENAGAS, planificación de trayectorias de vehículos no tripulados para AIRBUS) y aplicación del aprendizaje automático (máquinas de vectores soporte, redes neuronales o bayesianas, lógica difusa) a diferentes campos (biometría, agricultura de precisión, control inteligente, análisis de señales de fusión nuclear).