Modelos Probabilísticos para la Inteligencia Artificial y la Minería de Datos

El programa "Modelos probabilísticos para la Inteligencia Artificial y la Minería de Datos" es el resultado de la colaboración durante los últimos 7 años de los distintos grupos de investigación dedicados a los modelos gráficos probabilísticos en España. Dicha colaboración se materializó en los siguientes proyectos de I+D:

• “Entorno para el desarrollo de modelos gráficos probabilísticos (proyecto Elvira)”. Financiado por la Comisión Interministerial de Ciencia y Tecnología (CICYT), código TIC97-1135-C04, desarrollado desde el 1 de agosto de 1997 hasta el 31 de julio de 2000.

• “Elvira II: Aplicaciones de los modelos gráficos probabilísticos”. Financiado por el Ministerio de Ciencia y Tecnología, código TIC2001-2973-C05, que se viene desarrollando desde el 28 de diciembre de 2001 y concluirá el 28 de junio de 2005.

Los dos proyectos arriba citados han sido una herramienta clave para situar a los grupos y a los investigadores involucrados en ellos en un lugar destacado a nivel internacional dentro de los modelos gráficos probabilísticos. El programa propuesto es de nueva implantación y no tiene, por tanto, antecedentes en otro programa de doctorado o en ediciones anteriores del mismo. Sin embargo, su estructura y contenidos proceden de la experiencia de trabajo en común durante 7 años en los proyectos citados, así como de la amplia experiencia individual anterior de los grupos involucrados, que han resultado en la formación de numerosos doctores en este campo de investigación.

Justificación de su necesidad

En las últimas dos décadas, los modelos gráficos probabilísticos (en adelante MGPs) se han convertido en una herramienta fundamental para el tratamiento de la incertidumbre en problemas que requieren el manejo de grandes cantidades de información, como son la Inteligencia Artificial y la Minería de Datos. Cada vez son más numerosas las empresas y centros de investigación que demandan investigadores con una sólida formación en las citadas técnicas, con un alto nivel de comprensión matemática y estadística, y con capacidad de implementación de sistemas basados en modelos probabilísticos. Esto es una consecuencia de los avances tecnológicos que han permitido el almacenamiento y procesamiento de grandes volúmenes de datos, que potencialmente pueden ser empleados para la toma de decisiones. Algunos sectores empresariales en los que se están empleando técnicas basadas en MGPs son la banca (concesión de créditos), seguros (determinación de riesgos), consultoría (ayuda a la decisión, inversiones, etc.), sistemas informáticos (detección de fallos), etc. La demanda empresarial de estas técnicas ha motivado la formación de empresas que desarrollan software específico para la implementación de MGPs.

Pero desde el sector público también se usan MGPs para diversas tareas, destacando la predicción meteorológica en el Instituto Nacional de Meteorología, así como los propios grupos de investigación de las universidades, que requieren investigadores con una sólida formación en la materia.

Objetivos generales

En base a la justificación anterior, este programa se plantea el objetivo general de formar doctores con una sólida base en MGPs capaces de incorporarse con éxito tanto a la industria como al sector investigador o universitario, para lo cual se pretende cubrir los siguientes objetivos:

• Desarrollo de las habilidades básicas para la investigación, tanto desde el punto de vista del análisis y resolución de problemas como de la metodología instrumental necesaria (en este caso computacional y estadística), incluyendo aspectos como la búsqueda de información y la presentación y difusión de resultados.

• Dominio de los aspectos teóricos fundamentales de los MGPs, en lo concerniente a representación, aprendizaje y razonamiento.

• Conocimiento de las aplicaciones más destacadas de los MGPs en la ciencia y la industria.

• Capacitación para el desarrollo de nuevas técnicas y la resolución de problemas usando MGPs.

Para cubrir dichos objetivos, el programa se ha estructurado en dos cursos académicos, el primero de los cuales está dedicado al período docente y el segundo al período de investigación tutelada.