Extensión de métodos modernos de Aprendizaje Automatizado y aplicaciones

El campo del Aprendizaje Automatizado (Machine Learning) es parte central de la nueva revolucion tecnologica basada en el uso inteligente de la informacion. Por tradicion, los principales problemas que se investigan en esta area son los de reconocimiento de patrones o Clasificacion, aproximacion de funciones de variable continua o Regresion, y busqueda de estructuras ocultas en datos o Clustering. Logicamente, el desarrollo de nuevos metodos y algoritmos se concentro en un principio en los problemas mas simples o tipicos de encontrar, por ejemplo en problemas estacionarios en el tiempo, con una abundante cantidad de ejemplos de los cuales aprender y con solo unas pocas clases bastante balanceadas entre si. Sin embargo, los nuevos tipos de datos provenientes de la genomica, la proteomica, los equipos de monitoreo continuo de sistemas criticos, etc., han introducido nuevos desafios en el Aprendizaje Automatizado. Este proyecto propone el desarrollo de nuevos metodos (o la extension de los metodos actuales cuando sea apropiado) para poder modelar eficientemente esta nueva clase de datos, incluyendo problemas de regresion y clasificacion no estacionarios y/o con gran nivel de ruido, problemas de clasificacion y clustering con un numero extremadamente alto de variables de entrada, o problemas de clasificacion con un importante desbalance entre clases. En todas las lineas del proyecto se incluyen aplicaciones a problemas actuales de gran interes tecnologico, como la biotecnologia y la agrotecnologia.