Laboratorio de Inteligencia Artificial embebida en productos y procesos

Visión por computador abarca el análisis de imágenes en 2D, 3D y espectros hiperespectrales, permitiendo interpretar escenas con distintos niveles de detalle. Se emplean diversas técnicas como clasificación, localización, detección, segmentación y detección de poses para extraer información útil en aplicaciones industriales, médicas y científicas.

Generación artificial de datos que imitan las características de datos reales. Se emplea en diversas aplicaciones, como el entrenamiento de modelos de inteligencia artificial cuando los datos reales son escasos o sensibles.

Modelos híbridos: Combinan enfoques estadísticos, físicos o de machine learning para generar datos sintéticos con mayor realismo y coherencia con los datos originales.
GANs (Generative Adversarial Networks): Son redes neuronales que enfrentan un generador y un discriminador en un proceso de aprendizaje competitivo para producir datos sintéticos indistinguibles de los reales, utilizados en imágenes, audio y otros dominios.

Diferentes modelos de datos para problemáticas variadas. Forecasting, Diagnosis, Prognosis, Anomaly detection, Quantum Machine Learning, Deep Learning (MLP, RNN, CNN, Transformers, LLMs, Multimodal). Algorithm explainability (XAI): LIME, SHAP, GRAD-CAM, DeepLift.

Despliegue de algoritmos de IA siguiendo buenas prácticas MLOps.

Despliegue de algoritmos de IA siguiendo buenas prácticas MLOps.

Procesamiento de datos de diversas fuentes de datos con feature extraction apropiado para cada tipo de fuentes de datos. Varios ámbitos como Señal, Texto, GIS e imagen.

Procesamiento de datos de diversas fuentes de datos con feature extraction apropiado para cada tipo de fuentes de datos. Varios ámbitos como Señal, Texto, GIS e imagen.

Diferentes modelos de datos para problemáticas variadas. Forecasting, Diagnosis, Prognosis, Anomaly detection, Quantum Machine Learning, Deep Learning (MLP, RNN, CNN, Transformers, LLMs, Multimodal). Algorithm explainability (XAI): LIME, SHAP, GRAD-CAM, DeepLift.

Generación artificial de datos que imitan las características de datos reales. Se emplea en diversas aplicaciones, como el entrenamiento de modelos de inteligencia artificial cuando los datos reales son escasos o sensibles.

Modelos híbridos: Combinan enfoques estadísticos, físicos o de machine learning para generar datos sintéticos con mayor realismo y coherencia con los datos originales.
GANs (Generative Adversarial Networks): Son redes neuronales que enfrentan un generador y un discriminador en un proceso de aprendizaje competitivo para producir datos sintéticos indistinguibles de los reales, utilizados en imágenes, audio y otros dominios.

Visión por computador abarca el análisis de imágenes en 2D, 3D y espectros hiperespectrales, permitiendo interpretar escenas con distintos niveles de detalle. Se emplean diversas técnicas como clasificación, localización, detección, segmentación y detección de poses para extraer información útil en aplicaciones industriales, médicas y científicas.