Usos de la Inteligencia Artificial en meteorología y climatología

Ponente: Daniel San Martín Segura (CEO, Predictia Intelligent Data Solutions, https://predictia.es/).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 19 de enero de 2024, 12:00.

Resumen: Esta charla introducirá diversas aplicaciones de la Inteligencia Artificial en ciencias atmosféricas, considerando tanto las relacionadas con predicción meteorológica como con la modelización climática. Se abordarán tanto los usos mas clásicos del machine learning en estas disciplinas así como los recientes modelos de deep learning utilizados en meteorología.

Nota: puedes acceder a las transparencias de la charla a través del siguiente enlace.

Una visión computacional de la química: de la química cuántica al aprendizaje automático

PonenteIgnacio Funes Ardoiz (Investigador del Departamento de Química, miembro del Grupo de Investigación en Fotoquímica Orgánica, Universidad de La Rioja).

Lugar: Salón de Actos (Edificio CCT), o a través de Blackboard (https://bit.ly/salaDMC)

Hora: martes 10 de mayo de 2022, 12:00.

Resumen: La química es la ciencia que se encarga del estudio de la materia. Tradicionalmente, se ha relacionado muy estrechamente con el trabajo de laboratorio, desde la síntesis al análisis de nuevos compuestos y materiales. Con el auge de la mecánica cuántica y los ordenadores a lo largo del siglo XX, una nueva vertiente derivada de la química teórica ha ganado mucho peso a la hora de comprender los procesos a escala molecular: la química computacional.

En este seminario, se tratará de hacer un recorrido, desde un punto de vista computacional, a los últimos avances en ciencia de datos, aprendizaje automático y programas informáticos, que los químicos usamos para entender las reacciones del mundo que nos rodea. Finalmente, se discutirán dos ejemplos concretos del autor sobre la aplicación de la ciencia de computación a la química: el desarrollo del programa GoodVibes1,2 y el uso de aprendizaje automático no supervisado para la búsqueda de nuevos catalizadores.3

1 https://github.com/patonlab/GoodVibes;

2 Liuchini, G.; Alegre-Requena, J. V.; Funes-Ardoiz, I.; Paton, R. S. “GoodVibes: automated thermochemistry for heterogeneous computational chemistry data” F1000Research, 2020, 9, 291.

3 Hueffel, J. A.; Sperger, T.; Funes-Ardoiz, I.; Ward, J. S; Rissanen, J.; Schoenebeck, F. “Accelerated dinuclear palladium catalyst identification through unsupervised machine learning” Science, 2021, 374, 1134.

Desplegando servicios en la nube: Apache Spark

Ponente: Jesús María Aransay Azofra (Universidad de La Rioja)

Lugar: Salón de Actos (Edificio CCT), o a través de Blackboard (https://bit.ly/salaDMC)

Hora: martes 21 de diciembre, 11:00

Resumen: En esta charla ilustraremos cómo se puede automatizar el despliegue de un clúster Apache Spark en la nube (en concreto, en un entorno OpenStack). Para ello usaremos la utilidad “cloud-init” que permite configurar máquinas virtuales durante su creación. Una vez desplegado, presentaremos algunas de las posibilidades de uso de Apache Spark para cálculo distribuido y para ciencia de datos y gestión de información.

Experiencias de un Data Scientist en el mundo empresarial

 

Ponente: Víctor Nalda Castellet (Data Scientist, Departamento de Investigación e Innovación en Modelos de Riesgo, Banco Santander)

Lugar: Seminario Mirian Andrés (Edificio CCT)

Hora: martes 2 de mayo, 12:00

Resumen: En esta ocasión vuelvo a mi universidad para mostraros cuáles son los retos a los que se enfrenta un matemático en el mundo empresarial, haciendo un repaso por el mundo del Big Data, desde Business Intelligence hasta Machine Learning. Todo ello lo ilustraremos con casos prácticos que pasan por sectores profesionales tan diferentes como las energías renovables, el fraude, las telecomunicaciones, la seguridad, la alimentación o la banca.