Nace en Hellín (Albacete) en 1996. En 2020 obtiene el Grado de Ingeniería Informática por la Universidad de Murcia. Además, como resultado de finalizar la Programación Conjunta de Estudios Oficiales de Grado en Matemáticas y Grado en Ingeniería Informática, en 2022 adquiere también el Grado en Matemáticas por la Universidad de Murcia. Tras finalizar el Grado en Ingeniería Informática, cursa el Máster Universitario en Nuevas Tecnologías en Informática por la Universidad de Murcia, con especialidad en Informática Industrial, obteniendo el título de Máster en el año 2022. Durante su último curso en Ingeniería Informática, consigue una beca de formación práctica en el ámbito de I+D+I del Plan Propio de Fomento de la Investigación bajo la actividad "Control integrado de producción en invernadero tecnificado para mejorar la calidad y el sabor del tomate cherry" (diciembre 2019 - septiembre 2020). Paralelamente a la realización del Máster, colabora como Investigador Licenciado en el proyecto "Framework unificado de gestión de la ciberseguridad y la seguridad para la industria manufacturera" (noviembre 2020 - enero 2022). Tras finalizar el máster, desempeña sus servicios para la empresa Bleecker Technologies, S.L. (empresa colaboradora) desde febrero de 2022 hasta enero de 2023. Además, durante el mes de febrero de 2023, participa como Investigador Licenciado en el proyecto "Ciberseguridad y reconocimiento de actividad como tecnologías habilitadoras de la fábrica inteligente". En el año 2022 obtiene una ayuda de la Fundación Séneca, que inicia en marzo de 2023, para realizar la tesis doctoral en la Universidad de Murcia. Domina la lengua castellana e inglesa y posee conocimientos de la lengua francesa.
El reconocimiento automático de actividad (AR, de Activity Recognition) es un ámbito de investigación que está ganando mucha atención en los últimos años. El objetivo general del AR es lograr que un computador, a partir datos obtenidos en un entorno de trabajo, reconozca en tiempo real las acciones específicas realizadas por uno o varios agentes que interactúan con dicho entorno. Se ha experimentado un gran auge en este campo debido a las nuevas posibilidades que han brindado los enormes avances en las tecnologías de Machine Learning mediante modelos de percepción artificial, como las redes neuronales convolucionales (CNNs), entrenados a partir de la experiencia.
Un punto distintivo de alguno de los trabajos más recientes en el campo del AR, es eliminar la restricción del reconocimiento de la actividad de un único operario, para conseguir reconocer múltiples acciones realizadas, simultáneamente, por varios individuos presentes en la escena. El problema crece en complejidad, por la necesidad de realizar un adecuado seguimiento de todos los intervinientes. Así, además de los problemas de clasificación y regresión habituales en AR, debe resolverse el problema de la correcta asociación temporal de datos, con el fin de evitar el cruce de datos durante el seguimiento de los actores involucrados (tracking).
Los principales desafíos planteados por la implementación de este tipo de sistemas en escenarios industriales reales son el costoso entrenamiento necesario para su puesta en producción y la sobrecarga de trabajo añadida para generar datasets correctamente etiquetados (proceso que suele ser manual y enormemente tedioso). Estas cuestiones hacen que la transferencia de los resultados académicos al ámbito industrial tenga que pasar por una adecuada aplicación de técnicas dirigidas a la reducción de dicha carga de trabajo. En particular, las técnicas de Data Augmentation, Transfer Learning y Few-Shot Learning serán claves en este proceso de investigación y transferencia.
Inteligencia Artificial: Machine Learning y Visión Artificial
Grupo de Investigación de Computación Móvil y Visión Artificial (MoVi)
Director: Pedro Enrique López de Teruel Alcolea
Codirector: Alberto Ruiz García
Programa de Doctorado en Informática
01/03/2022
En desarrollo
Bleecker Technologies, S.L.
