Martínez España, Raquel

Nace en Murcia en 1986. En 2009 obtiene la licenciatura de ingeniero en informática por la Universidad de Murcia y obtiene mención honorífica a la excelencia académica por la facultad de Informática. A continuación cursa el máster “Tecnologías de la Información y Telemática Avanzadas” en la Universidad de Murcia obteniendo el título de máster en el año 2010.  En 2010 obtiene el titulo de Grado en Informática por la Universidad de Murcia. Desde 2009 hasta la obtención de la beca FPI actual trabaja como investigadora en el grupo de investigación de Sistemas Inteligentes y Telemática en el departamento de Ingeniería de la Información y las Comunicaciones  en la facultad de Informática de la Universidad de Murcia. En el año 2011 obtiene una beca de la Fundación Séneca para realizar la tesis doctoral en la Universidad de Murcia, donde participa en actividades docentes en los años 2011 y 2012. Paralelamente está asociada al desarrollo del proyecto TIN2011-27696-C02-02. Posee comunicaciones en congresos nacionales e internacionales, así como publicaciones científicas en revistas de carácter internacional. Domina las lenguas inglesa y española.

Tesis

"La calidad del conocimiento descubierto no solo depende del algoritmo de Data Mining usado, sino también de la calidad del conjunto de instancias empleadas. En la fase de preparación de datos se selecciona y prepara el conjunto de instancias de entrada. Este paso es necesario ya que algunos de los datos son irrelevantes para la clasificación. Además, puede haber datos que afectan a la calidad de la información: datos erróneos, datos faltantes, etc.
A veces debe de cambiarse el tipo de los datos para facilitar el uso de técnicas que requieren tipos de datos específicos, por ejemplo, los atributos continuos pueden ser discretizados. A veces, esta transformación provoca una mejora tanto en precisión como en comprensibilidad. Cuando en la fase de preparación de los datos no es posible mejorar la calidad de los datos de entrada, la modificación de los mismos puede conllevar una pérdida relevante de información, así que la alternativa es adaptar los algoritmos para que puedan trabajar con datos de baja calidad. Este tipo de información de baja calidad aparece bastante en los problemas del mundo real, por esta razón los algoritmos deben ser capaces de adaptarse y poder trabajar con ella."

Área de conocimiento

Ciencias de la Computación e Inteligencia Artificial

Grupo de investigación

Sistema inteligentes
Director: María Del Carmen Garrido Carrera

Programa de doctorado

Doctorado en Informática

Estado de tesis

Defendida

Principales indicadores de producción científico/tecnológicos

J.M. Cadenas, M.C Garrido, R.Martínez and P.P.Bonissone. Extending information processing in a Fuzzy Random Forest ensemble. Soft Computing, pp.1-177, 2011.

J.M. Cadenas, M.C. Garrido, R. Martínez, P.P. Bonissone. OFP CLASS: A hybrid method to generate Optimized Fuzzy Partitions for CLASSification. Soft Computing , 2011. DOI 10.1007/s00500-011-0777-1.

J.M. Cadenas, M.C. Garrido, R. Martínez, P.P. Bonissone. Towards the Learning from Low Quality Data in a Fuzzy Random Forest ensemble. Proceedings of FUZZIEEE-2011, pp. 2897-2904, Taiwan 2011.

J.M. Cadenas, M.C. Garrido, R. Martínez. Generating Optimized Fuzzy Partitions to Classification and Considerations to Management Imprecise Data. Lecture Notes in Computer Science. Studies in Computational Intelligence. Springer 2011.

J.M.Cadenas, M.C.Garrido and R.Martínez. Construing fuzzy partitions from imprecise data. Proceeding FCTA 201, pp.379-388, Paris, 2011.

Estancias en Centros Internacionales

>>>