Investigación sobre técnicas de aprendizaje máquina aplicadas al control de calidad
El objetivo principal es el desarrollo e integración de un sistema automático de control de calidad de producto final en la planta de ILBOC, para lo cual es necesario cumplir los siguientes objetivos específicos:
- Crear una base de datos apropiada con los datos proporcionados por la empresa.
- Diseñar, entrenar y validar las distintas máquinas de aprendizaje profundo (Deep Learning Machines) propuestas para desarrollar el sistema de control de la planta.
- Validación del sistema sobre la planta en funcionamiento.
- Publicar los resultados de investigación en congresos y revistas indexadas.
Actualmente, la tesis se encuentra en una fase intermedia en la que se ha conseguido crear una primera versión de la base de datos con información relevante de la planta y, tras su estudio, también se ha comenzado a diseñar y entrenar diferentes modelos de máquinas de aprendizaje para desarrollo del sistema de control de la planta.
Actualización: Se realizará una estancia de 10 semanas en el departamento de Computer Science (CS) de Volgenau School of Engineering en George Mason University (GMU), Virginia. Un grupo activo y experto en áreas de Inteligencia Artificial y Aprendizaje Máquina que cuenta con más de 40 miembros de la facultad y con cientos de publicaciones en intereses de investigación de gran alcance.
- Inteligencia Artificial
- Algoritmos
- Biología Computacional
- Gráficos por Ordenador
- Visión por Ordenador
- Criptografía
- Bases de Datos
- Minería de Datos
- Sistemas Paralelos y Distribuidos
- Sistemas en Tiempo Real
- Robótica
- Seguridad
- Ingeniería del Software
- Informática Inalámbrica y Móvil
Entre los miembros del departamento se incluyen 11 beneficiarios de los prestigiosos premios CAREER de National Science Foundation (NSF), dos becarios Association for Computing Machinery (ACM) y tres becarios IEEE. Los gastos de investigación del departamento superan los $6M anuales, ocupando el puesto 38 en todo el país en las últimas clasificaciones de la NSF para gastos de investigación universitaria en Ciencias de la Computación.
También participa activamente en colaboraciones multidisciplinares con otros departamentos de esta y otras universidades. Durante la estancia se tendrá como supervisores y colaboradores principales a los profesores Dr. Huzefa Rangwala y Dr. Daniel Barbara.
Beneficios: Este grupo cuenta con investigadores expertos en conceptos, teorías y metodologías sobre Aprendizaje Máquina, Inteligencia Artificial, Análisis de Datos, Minería de Datos y Bases de Datos, cuyos conocimientos podrán ser incorporados a la presente tesis fruto de la colaboración, y dando lugar a una serie de beneficios mutuos a centros e investigadores. El intercambio de nuevos enfoques, técnicas y métodos de investigación enriquecerá el contenido de la tesis y mejorará los resultados que se obtengan.
Constituirá una experiencia de colaboración internacional que formará parte de la formación tanto en el ámbito académico como investigador que aportará gran valor a la doctoranda y permitirá crear una nueva línea de interacción entre los departamentos Computer Science de GMU y Teoría de Datos y Aprendizaje Máquina de UPCT, con el objetivo de iniciar proyectos conjuntos y formar una colaboración duradera entre universidades y sus diferentes redes de investigación científica.