El 1 de marzo de 2016, se llevó a cabo la conferencia Computación Evolutiva y Aprendizaje de Máquina, de la tesis doctoral Surrogate-Assisted Multi-Objective Full Model Selection, se realizó en las instalaciones del instituto en la sala audiovisual del edificio “Z” en punto de las 12:00 horas por el ponente Alejandro Rosales Pérez de Ciencias Computacionales (CCC) del Instituto Nacional de Astrofísica, Óptica y Eléctrica en Puebla (INAOE).
Egresado destacado del Instituto Tecnológico de Tuxtla Gutiérrez de la carrera de ingeniería en Electrónica en el año 2008 titulado por promedio. Dentro de su trayectoria profesional ha trabajado en el área de ciencias computacionales y tecnológicas de información, a través de la realización de investigación básica en las áreas de especialidad; le han permitido tener la capacidad de resolver problemas científicos y tecnológicos de alta relevancia en el campo de las ciencias y llevar a cabo investigación aplicada orientada a satisfacer necesidades planteadas por el sector productivo y de servicios del país.
Fue reconocido por la Sociedad Mexicana de Ingenierías Artificiales (SMIA); se le otorgó por parte de gobierno de México, una estancia de investigación en la Universidad de Granada, España y por parte del gobierno italiano una estancia de investigación en la Universidad de Florencia en Italia.
En la conferencia hizo hincapié en la propuesta de la tesis doctoral que realizó para su obtención de grado, comentó la tesis se propone tres métodos para abordar el problema de selección de modelo completo de clasificación para usuarios no expertos. El primero hace uso de la teoría de la dimensión VC para estimar de una forma genérica y sencilla la complejidad de los modelos.
El segundo enfoque formula el problema de selección de modelo completo como uno de optimización multi-objetivo anidado y es llamado EN-MOMS-PbE, por las siglas en inglés de Evolutionary Nested Multi-Objective full Model Selection with Paretobased Ensembles. Debido al enfoque anidado, la optimización tiene dos niveles; en el nivel superior trabaja con la estructura del modelo, mientras que en el inferior se optimizan los hiper-parámetros de la estructura dada. EN-MOMS-PbE y finalmente el enfoque se explora la idea de la optimización asistida por subrogados para reducir el número de evaluaciones requeridas por el algoritmo evolutivo.
“CIENCIA Y TECNOLOGÍA CON SENTIDO HUMANO”
Departamento de Comunicación y Difusión
Instituto Tecnológico de Tuxtla Gutiérrez.
