Investigadores y Profesores

José Luis Briseño Cervantes

Su formación es en Ing en comunicaciones y electrónica en la Universidad de Guadalajara. Obtuvo su grado de maestro en ciencias en CICESE en 1983. Es investigador fundador del Departamento de Ciencias de la Computación desde enero del 2000. Sus intereses e investigaciones son en la Inteligencia Artificial en general, y el Aprendizaje de máquina en Agentes Autónomos Inteligentes en particular. Participa en la impartición de los cursos de Inteligencia Artificial y de Aprendizaje de Máquina en nuestro Posgrado.

Investigador en el departamento: Consulte más informacn aquí

Profesor en el posgrado: Consulte más información aquí

Carlos Alberto Brizuela Rodríguez

Es Ingeniero Industrial en Electrónica por el Instituto Tecnológico de Tijuana, obtuvo su doctorado en la Universidad de Tecnología de Kioto, Japón en 2001. Es investigador del Departamento de Ciencias de la Computación desde 2001. Sus intereses en investigación son en el Diseño de Algoritmos para Biología Computacional y Optimización, imparte los cursos de Análisis de Algoritmos, Algoritmos para Bioinformática, Algoritmos de Aproximación, Inteligencia Computacional y Biocomputación Avanzada en nuestro posgrado.

Investigador en el departamento: Consulte más información aquí

Profesor en el posgrado: Consulte más información aquí

Edgar Leonel Chávez González

Es Licenciado en Ciencias Físico Matemáticas por la UMSNH, Morelia, obtuvo su doctorado en el Centro de Investigación en Matemáticas en Guanajuato en 1999. Es investigador del Departamento de Ciencias de la Computación desde 2014. Sus intereses e investigaciones son en Algoritmos y estructuras de datos, Índices para búsqueda de proximidad y Algoritmos de agrupamiento. Imparte los cursos de Recuperación de la información, Fundamentos de Teoría de la Computación y Aprendizaje Profundo en nuestro posgrado.

Investigador en el departamento: Consulte más información aquí

Profesor en el posgrado: Consulte más información aquí

Andrey Chernykh

Es Licenciado en Ciencias Computacionales por la Universidad Técnica de Sebastopol, Moscú. Obtuvo su doctorado en el Instituto Lebedev de Mecánica de Precisión e Ingeniería Informática de la Academia Rusa de Ciencias, Moscú en 1986. Es investigador fundador del Departamento de Ciencias de la Computación desde 2000 (en CICESE desde 1995). Sus intereses e investigaciones son en Cómputo Paralelo y en la Nube e imparte los cursos de Optimización, métodos y algoritmos de calendarización en nuestro posgrado.

Investigador en el departamento: Consulte más información aquí

Profesor en el posgrado: Consulte más información aquí
https://usuario.cicese.mx/~chernykh/ 

Jesús Favela Vara

Es Ingeniero Civil por la Facultad de Ingeniería de la Universidad Nacional Autónoma de México (UNAM), obtuvo el grado de maestro (1989) y doctor en ciencias (1993) por el Instituto Tecnológico de Massachussets (MIT). Se integró al CICESE en 1993 y es investigador fundador del Departamento de Ciencias de la Computación en 2000. Está en la lista del 2% de científicos más sobresalientes del mundo, publicada por Elsevier en Septiembre 2022. Sus intereses e investigaciones son cómputo ubicuo, interacción humano computadora e informática médica e imparte los cursos de métodos de Investigación en sistemas interactivos, sistemas distribuidos sobre internet, diseño y análisis de experimentos en ciencias de la computación, y ciencia de datos para sensores inteligentes en nuestro posgrado.

Investigador en el departamento: Consulte más información aquí

Profesor en el posgrado: Consulte más información aquí

José Alberto Fernández Zepeda

Tiene el grado de Ingeniero Mecánico Electricista (1991) y de Maestro en Ingeniería Eléctrica (1994) por la Universidad Nacional Autónoma de México (UNAM). Posteriormente, obtuvo el grado de Doctor en Filosofía en la Louisiana State University in 1999. Se desempeña como investigador del Departamento de Ciencias de la Computación desde el año 2000. Sus intereses principales de investigación incluyen el análisis y diseño de algoritmos en varios contextos de aplicación. Imparte varios cursos en el área de algoritmos en el Posgrado de Ciencias de la Computación.

Investigador en el departamento: Consulte más información aquí

Profesor en el posgrado: Consulte más información aquí

Cesar Raul García Jacas

Es Licenciado en Ciencias Informáticas de la Universidad de las Ciencias Informáticas (UCI), La Habana, Cuba (2009); Maestro en Ciencias de la Computación (2013) y Ph.D. en Ciencias Técnicas (2015) por la Universidad Central “Marta Abreu” de las Villas, Santa Clara, Cuba. Sus intereses de investigación incluyen modelado molecular y descubrimiento de fármacos, bioquímica-informática, descriptores moleculares, química matemática y aprendizaje automático.

Investigador en el departamento: Consulte más información aquí

Profesor en el posgrado: Consulte más información aquí

José Antonio García Macías

Es Licenciado en Ciencias de la Computación de la Universidad Autónoma de Baja California (UABC), obtuvo el grado de maestro en ciencias por el CICESE en 1998 y doctor en ciencias por el Instituto National Politécnico de Grenoble, Francia, en 2002. Es investigador del Departamento de Ciencias de la Computación desde 2002. Sus intereses e investigaciones son en IoT, HCI, cómputo urbano y social con énfasis en comunidades marginadas, e imparte los cursos de Sistemas Inteligentes Ubicuos, Protocolos de Redes e Internet de las Cosas y Sistemas Distribuidos en Internet en nuestro posgrado. 

Investigador en el departamento: Consulte más información aquí

Profesor en el posgrado: Consulte más información aquí

Vitaly Kober

Recibió el grado de M.Sc. en matemáticas aplicadas de la Universidad Air-Space de Samara, Samara, Rusia, en 1984, y los grados de Ph.D. y D.Sc. en procesamiento de imágenes digitales del Instituto para Problemas de Transmisión de Información, Academia Rusa de Ciencias, Moscú, Rusia, en 1992 y 2004, respectivamente. Es investigador en el Departamento de Ciencias de la Computación desde el 2000. Sus intereses e investigaciones son en Procesamiento de señales e imágenes y el reconocimiento de patrones, imparte los cursos de Diseño de filtros digitales, Probabilidad y estadística y Procesamiento adaptativo de imágenes en nuestro posgrado.

Investigador en el departamento: Consulte más información aquí

Profesor en el posgrado: Consulte más información aquí

Irvin Hussein López Nava

Es Licenciado en Informática por la Universidad Autónoma del Estado de Morelos, obtuvo su maestría y doctorado en Ciencias Computacionales en el Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE) en 2018. Es investigador en el Departamento de Ciencias de la Computación desde 2018. Sus intereses e investigaciones son: aprendizaje automático, ciencia de datos, análisis de movimiento humano, reconocimiento de actividad y comportamiento, e imparte los cursos de Reconocimiento de patrones, Seminario de investigación, Ciencia de datos para sensores inteligentes, Sistemas distribuidos en internet, Cómputo móvil y ubicuo, Diseño y análisis de experimentos en Ciencias de la Computación e Introducción a la ciencia de datos en nuestro posgrado.

Investigador en el departamento: Consulte más información aquí

Profesor en el posgrado: Consulte más información aquí

Pedro Gilberto López Mariscal

Es físico de la UNAM y tiene maestría y doctorado en Matemáticas Aplicadas por la Universidad de Northwestern en 1996. Fue miembro posdoctoral del “Institute of Mathematics and its Applications” (IMA) de la Universidad de Minnesota. Se incorporó al CICESE en 1998 y fue parte de los fundadores del departamento de Ciencias de la Computación en 2000. Realiza trabajo en el modelado matemático y numérico de diferentes procesos físicos y sobre el uso de las nuevas tecnologías en el proceso de enseñanza/aprendizaje de las matemáticas en diferentes niveles de la educación formal. Imparte los cursos de Métodos Matemáticos y Cómputo numérico en nuestro posgrado.

Investigador en el departamento: Consulte más información aquí

Profesor en el posgrado: Consulte más información aquí

Jesus Nestaly Marin Nevarez

Es Ingeniero en Sistemas Computacionales por el Instituto Tecnológico Superior de Nuevo Casas Grandes, Chihuahua. Obtuvo su maestría y doctorado en Ciencia e Ingeniería de la Computación en la Universidad Nacional Autónoma de México. Es investigador del Departamento de Ciencias de la Computación desde 2024. Sus intereses principales en investigación son en Algoritmos, Geometría Computacional y Combinatoria y Teoría de Gráficas. Imparte los cursos de Análisis de Algoritmos y de Análisis y Diseño Orientado a Objetos en nuestro posgrado.

Ana Isabel Martínez García

Es Licenciada en Ciencias de la Computación de la Facultad de Ciencias de Universidad Autónoma de Baja California (UABC). Obtuvo su maestría (1996) y doctorado (1999) en Ciencias de la Computación, de la Universidad de Manchester, Inglaterra. Se integró al Departamento de Ciencias de la Computación en octubre de 1999 y forma parte de los fundadores del departamento desde el 2000. Sus áreas de investigación son la Informática Médica, HCI, y el uso de videojuegos como apoyo a terapias para personas vulnerables. Imparte los cursos de Ingeniería de Procesos y Métodos de Investigación en Sistemas Interactivos en nuestro posgrado. 

Investigador en el departamento: Consulte más información aquí

Profesor en el posgrado: Consulte más información aquí

Gustavo Olague Caballero

Su formación es en Ingeniería Industrial en Electrónica y Maestría en Ciencias en Ingeniería Electrónica por el Instituto Tecnológico de Chihuahua. Obtuvo su Doctorado en Ciencias en Visión por Computadora, Gráficos y Robótica del INPG (Institut National Polytechnique de Grenoble) y del INRIA (Institut National de Recherche en Informatique et Automatique) en Francia en 1998. Es investigador fundador del Departamento de Ciencias de la Computación desde 1999. Sus intereses e investigaciones son en Visión Evolutiva e imparte los cursos de Aprendizaje de Máquina, Visión 3D, Inteligencia Artificial, Visión por Computadora Evolutiva, y Herramientas Matemáticas para la Visión.

Investigador en el departamento: Consulte más información aquí

Profesor en el posgrado: Consulte más información aquí

Ubaldo Ruiz López

Es licenciado en Ciencias Físico-Matemáticas por la Universidad Michoacana de San Nicolás de Hidalgo, en la misma Universidad obtuvo su maestría en 2007 y el grado de doctorado en el Centro de Investigación en Matemáticas en 2013. Realizó su posdoctorado en el Departamento de Ciencias de la Computación de la Universidad de Minnesota. Es investigador en el Departamento de Ciencias de la Computación desde 2014. Sus intereses e investigaciones son en robótica, juegos diferenciales, control óptimo, planificación de movimiento e imparte los cursos de Matemáticas discretas, Geometría computacional y Robótica móvil en nuestro posgrado.

Investigador en el departamento: Consulte más información aquí

Profesor en el posgrado: Consulte más información aquí

Mónica Elizabeth Tentori Espinosa

Es Licenciada en Ciencias Computacionales por la UABC, obtuvo los grados de maestría (2005) y doctorado (2008) en Ciencias de la Computación por el CICESE. Es investigadora en el Departamento de Ciencias de la Computación desde el 2012. Sus intereses e investigaciones son en cómputo ubicuo, incluyen retos asociados a IA, uso sensores y ML, e IHC. Imparte los cursos de Análisis y diseño orientado a objetos, Diseño de sistemas interactivos, Diseño y análisis de experimentos en ciencias de la computación, Cómputo móvil y ubicuo en nuestro posgrado.

Investigador en el departamento: Consulte más información aquí

Profesor en el posgrado: Consulte más información aquí

Personal técnico

Luis Enrique Canual Arceo

Es Licenciado en Ciencias de la computación por la Universidad Autónoma de Yucatán, vino al CICESE a estudiar la maestría en Ciencias de la computación, generación 2015-2017, se ha especializado en el desarrollo de software y está certificado por Amazon Web Services como “AWS Certified Cloud Practitioner”.
Desde 2020, es técnico titular en el Departamento de Ciencias de la Computación, a cargo del diseño, desarrollo y mantenimiento de sistemas de información.

Investigador en el departamento: Consulte más información aquí

María Concepción Mendoza Díaz

Es egresada de la primera generación de Licenciados en Ciencias Computacionales de la Facultad de Ciencias de la Universidad Autónoma de Baja California (UABC). En 2002 obtuvo su grado de Maestría en Ciencias de la Computación en el Centro de Investigación Científica y de Educación Superior de Ensenada (CICESE). Es egresada de la primera generación de Maestros en Ciencias en Comercialización de Ciencia y Tecnología del programa conjunto del Centro de Investigación en Materiales Avanzados (CIMAV) con Certificación de la Universidad de Texas. Obtuvo su certificación como Project Management Professional (PMP) del Project Management Institute (PMI) en 2014.
Es técnico titular en el Departamento de Ciencias de la Computación, a cargo de las redes sociales del departamento, del programa de seguimiento de egresados, apoya las acciones de la Jefatura; y coordina los programas y proyectos del Plan Estratégico 2022-2027 de la División de Física Aplicada.

Investigador en el departamento: Consulte más información aquí

Profesor en el posgrado: Consulte más información aquí

Jorge Torres Rodríguez

Es Oceanólogo y Doctor en Ciencias en Oceanografía Costera con especialidad en Teledetección por la Universidad Autónoma de Baja California. En 1985 se incorporó al CICESE, colaborando con el desarrollo de algoritmos computacionales para el análisis de radio-propagación y para el modelado de enlaces de comunicación vía satélite. Es miembro fundador del Departamento en Ciencias de la Computación en el 2000. Sus temas de interés son el aprendizaje automático aplicado al sensado remoto, el análisis de nubes de puntos fotogramétricas, la percepción remota de la vegetación y la implementación de soluciones basadas en Sistemas Aéreos No-Tripulados (drones) e imparte los cursos de Tópicos selectos de geomática, Análisis de imágenes en sensado remoto, Procesamiento digital de imágenes, Fundamentos de percepción remota en nuestro posgrado.

Investigador en el departamento: Consulte más información aquí

Profesor en el posgrado: Consulte más información aquí

Jorge Antonio Soria Solorio

Es Ingeniero en Computación egresado de la Universidad Autónoma de Baja California (UABC), hizo su Maestría en Tecnologías de la Información y Comunicaciones también en UABC. Desde 2009 es técnico en el Departamento de Ciencias de la Computación, a cargo del soporte técnico asociado a la infraestructura informática disponible.

Investigador en el departamento: Consulte más información aquí

Apoyo Administrativo

Karla Karina Aceves Morales

Es Licenciada  en Administración de Empresas egresada de la Facultad de Ciencias Administrativas y Sociales (FCAyS) de la UABC. Es asistente Administrativo de la Coordinación de los programas de Posgrado en Ciencias de la Computación.

Angélica Lomelí Contreras

Es Licenciada en Sociología egresada de la UABC.
Es Analista Administrativa de apoyo a la Jefatura del Departamento.

Proyectos Vigentes

“Identificación y diseño computacional de péptidos antimicrobianos”

  • Proyecto: “Identificación y diseño computacional de péptidos antimicrobianos”
  • Responsable: Carlos Alberto Brizuela Rodríguez
  • Tipo de proyecto: Proyecto Conacyt
  • Fecha Inicial: 10-09-2019
  • Fecha Final: 30-05-2024
  • Resumen: Diseñar e implementar algoritmos computacionales que se auxilien de pruebas experimentales in vitro para la identificacióny el diseño de péptidos antimicrobianos y anticancerigenos y que además sean capaces de cuantificar la actividad del péptido. Es importante señalar que los péptidos prodrían ser multi-funcionales y pudiese encontrarse uno o varios péptidos con combinaciones de las dos actividades de interés.

“Investigación y prueba de nuevas soluciones basadas en búsqueda de similaridad para satisfacer retos recientes en robótica móvil”

  • Proyecto: “Investigación y prueba de nuevas soluciones basadas en búsqueda de similaridad para satisfacer retos recientes en robótica móvil”
  • Responsable: Ubaldo Ruiz López
  • Tipo de proyecto: Proyecto Conacyt
  • Fecha Inicial: 11-09-2019
  • Fecha Final: 10-09-2024
  • Resumen: El objetivo de este proyecto es abordar algunos problemas en el área de robótica móvil y proponer soluciones novedosas tomando como base el conocimiento generado en distintas áreas, particularmente, de métodos creados en el contexto de las ciencias computacionales. La motivación detrás de este enfoque son algunos resultados exitosos que han sido obtenidos por el proponente siguiendo un enfoque similar. Los desarrollos recientes en el área de búsqueda por similaridad en espacio métricos, donde el objetivo es poder realizar consultas de objetos cercanos bajo una función de distancia de manera eficiente en base de datos masivas, sugieren que varios problemas fundamentales en robótica pueden beneficiarse con el uso de estas técnicas. Un problema fundamental en el área de robótica móvil es la identificación y clasificación de objetos en el ambiente utilizando la información que uno o varios agentes registran a medida que navegan a través del entorno. Los resultados de la clasificación sirven como entrada en otras tareas básicas que un sistema autónomo debe realizar a medida que se desplaza. En el estado del arte existen técnicas de identificación y clasificación de objetos que permiten obtener excelentes resultados, asumiendo que se tienen grandes cantidades de recursos tanto de procesamiento como de almacenamiento, en la mayoría de los casos, sólo disponibles en centros de datos especializados. Un sistema robótico, por otro lado, típicamente tiene limitantes de consumo de energía, poder de procesamiento o espacio de almacenamiento que reducen la aplicabilidad de esas técnicas en estos sistemas. En este proyecto se busca atacar esas limitantes aprovechando los modelos de identificación y clasificación previamente generados por otras entidades para problemas específicos a través de extensiones que permitan su generalización y que además tengan en cuenta la disponibilidad de recursos en los sistemas robóticos.

Algoritmos para biocomputación, grafos e inteligencia artificial

  • Proyecto: Algoritmos para biocomputación, grafos e inteligencia artificial
  • Responsable: Carlos Alberto Brizuela Rodríguez
  • Tipo de proyecto: Proyecto Interno
  • Fecha Inicial: 28-02-2020
  • Fecha Final: 31-12-2024
  • Resumen: El ADN es un biopolímero cuya función principal es almacenar la información biológica. Debido a sus características estructurales y funcionales, en las últimas décadas se ha investigado la posibilidad de utilizar ésta molécula como material de construcción así como mecanismo de cómputo a nivel nanoscópico. Los sistemas de cómputo basados en ADN, por lo general, son utilizados una vez y después son desechados. Aunque existen propuestas para conferir a estos sistemas la habilidad de reiniciarse o renovarse para realizar más de un ciclo de computación, dichas propuestas distan mucho de ser eficientes, por lo que existe una gran oportunidad y potencial como área de desarrollo. En este trabajo se explorará mediante simulación computacional un sistema de dos fotointerruptores ortogonales como mecanismo para la renovación. Se propone que al funcionalizar a los oligonucleótidos con estos fotointerruptores, los sistemas serán capaces de llevar a cabo procesos de computación y de renovación simultánea.El Mercado de Divisas (o FOREX por sus siglas en inglés) es el mercado financiero con mayor liquidez en el mundo que permite operar a favor o en contra de una moneda. Este mercado ha evolucionado enormemente, por lo cual hoy en día, desde una plataforma virtual es posible visualizar los precios de las monedas y realizar operaciones en tiempo real. Los usuarios desarrollan estrategias que buscan predecir el comportamiento en los precios de cada par divisas, para así invertir dinero y poder obtener ganancias. Una de estas estrategias es el arbitraje triangular, que a pesar del ruido inherente del mercado, ha mostrado buen desempeño, pero denotando escasas oportunidades de inversión. Basado en este concepto, se propone caracterizar el arbitraje múltiple en combinación con otras estrategias (coberturas y operación por pares), utilizando un conjunto de indicadores técnicos que permitan discriminar eventos en los que una transacción de arbitraje pudiese realizarse con bajo riesgo.

Marcadores digitales usando interfaces naturales de usuario

  • Proyecto: Marcadores digitales usando interfaces naturales de usuario
  • Responsable: Monica Elizabeth Tentori Espinosa
  • Tipo de proyecto: Proyecto Interno
  • Fecha Inicial: 10-03-2021
  • Fecha Final: 31-12-2024
  • Resumen: Los marcadores digitales miden datos fisiológicos y de comportamiento de manera objetiva y cuantificable. Los esfuerzos actuales que se han abocado en la identificación de marcadores digitales utilizan dispositivos móviles, sensores vestibles, y ambientes instrumentados que aunque han demostrado eficacia limitan el tipo de interacciones y comportamientos que se pueden medir. Las interfaces naturales de usuario que permiten una interacción natural y que han demostrado su eficacia en promover nuevos modelos de interacción pueden revelar marcadores digitales desconocidos. En este proyecto se hipotetiza que las interfaces naturales de usuario permitirán encontrar marcadores computacionales desconocidos en escenarios concretos. Se propone diseñar y desarrollar IUNs para la identificación de marcadores digitales en apoyo al cribado de autismo y a la auto-regulación de la ansiedad de deportistas.

Análisis de datos de sensores inteligentes mediante aprendizaje computacional.

  • Proyecto: Análisis de datos de sensores inteligentes mediante aprendizaje computacional.
  • Responsable: Jesús Favela Vara
  • Tipo de proyecto: Proyecto Interno
  • Fecha Inicial: 24-02-2022
  • Fecha Final: 31-12-2024
  • Resumen: Los modelos basados en aprendizaje profundo suelen tener buena precisión, sin embargo la mayoría de ellos carecen de explicabilidad. Esto se debe a que los modelos profundos aprenden una gran cantidad de características, o features, a partir de los datos de entrada, sin considerar la intervención de los expertos. A diferencia del aprendizaje computacional tradicional, o somero, que requiere que los expertos en el área determinen cuáles son esas características de mayor relevancia, por ejemplo en un modelo para prevención de caídas en adultos mayores, los expertos consideran la cadencia y la longitud de zancada como variables relevantes. Se han formulado varios argumentos para destacar la necesidad de considerar la interpretabilidad junto con la precisión. Para aceptar un modelo predictivo, los expertos médicos deben comprender la inteligencia detrás del diagnóstico, en particular cuando las decisiones los sorprenden (Bibal & Frénay, 2016). La idea principal es tomar las ventajas de cada técnica de aprendizaje computacional de acuerdo al tipo de dato que se quiere analizar. Por ejemplo, una red neuronal puede ser útil para el seguimiento del movimiento humano, mientras que un modelo basado en machine learning puede ser suficiente para responder a preguntas formuladas en lenguaje natural. En el primer caso es más importante la precisión que la explicabilidad, mientras que en el segundo es igual de importante. Objetivos científicos y tecnológicos ¿ Medición y análisis de datos para seguimiento de movimiento humano ¿ Análisis de datos de voz durante interacción humano-robot ¿ Análisis y predicción a partir de imágenes aéreas o satelitales?

Desarrollo de Métodos de Alta Precisión para la Reconstrucción de un Entorno Tridimensional

  • Proyecto: Desarrollo de Métodos de Alta Precisión para la Reconstrucción de un Entorno Tridimensional
  • Responsable: Vitali Kober
  • Tipo de proyecto: Proyecto Interno
  • Fecha Inicial: 24-02-2022
  • Fecha Final: 31-12-2024
  • Resumen: El campo de la visión tridimensional (3D) por computadora evoluciona rápidamente, motivado por el aumento de aplicaciones en ciencia e ingeniería tales como el reconocimiento y análisis de objetos en el mundo real, el procesamiento tridimensional de imágenes médicas, la robótica, entre muchas otras. A medida que la variedad, la facilidad de uso y la popularidad de los dispositivos 3D continúa creciendo, existe una necesidad creciente de desarrollar nuevas técnicas de reconstrucción de superficies más eficientes, rápidas y precisas. La reconstrucción de superficies requiere capturar nubes de puntos en el mundo real y reconstruir los objetos en 3D. El elemento clave del problema de reconstruir un entorno tridimensional a partir de un sensor (robot) móvil es la alineación por pares de nubes de puntos. Alinear dos nubes de puntos significa buscar una transformación ortogonal o afín en el espacio 3D que maximice una superposición constante entre las dos nubes. En otras palabras, las nubes de puntos capturadas por la cámara de profundidad en diferentes ángulos deben combinarse en un solo sistema de coordenadas. En este proyecto, se busca desarrollar nuevos modelos para la reconstrucción de entornos tridimensionales a partir de nubes de puntos, y también diseñar algoritmos para su implementación. El principal objetivo del proyecto es desarrollar nuevos métodos para alinear nubes de puntos en un espacio tridimensional. Un aumento significativo en la precisión de la alineación por pares de nubes de puntos mejorará la precisión del algoritmo para construir un entorno tridimensional de un sensor móvil. En el marco del proyecto, se prevé implementar los mejores métodos existentes para alinear nubes de puntos tanto de tipo clásico como basados en redes neuronales y realizar un análisis comparativo del rendimiento de dichos algoritmos.

Redes Neuronales con Preservación de la Privacidad mediante Encriptación Homomórfica

  • Proyecto: Redes Neuronales con Preservación de la Privacidad mediante Encriptación Homomórfica
  • Responsable: Andrey Chernykh
  • Tipo de proyecto: Proyecto Interno
  • Fecha Inicial: 24-02-2022
  • Fecha Final: 31-12-2024
  • Resumen: El modelado de redes neuronales (NN por sus siglas en inglés) demanda un alto poder de procesamiento y almacenamiento para el entrenamiento con grandes conjuntos de datos. Bajo esta premisa, el paradigma del cómputo en la nube ha desarrollado soluciones a fin de facilitar este proceso, sin embargo, su uso introduce retos inherentes a la privacidad y seguridad de datos sensibles. Si bien los criptosistemas convencionales pueden llegar a proteger información almacenada o en tránsito, estas técnicas no son capaces de proteger la información al ser procesada; la extracción de valor de un conjunto de datos requiere un proceso de desencriptación, lo que recae en la problemática inicial. La encriptación homomórfica (HE por sus siglas en inglés) permite el computo de datos cifrados y posibilita la delegación del procesamiento de datos confidenciales sin revelar información subyacente [1]¿[3]. Mediante un esquema de HE, una infraestructura no segura puede procesar información confidencial sin conocer la información original ni el resultado del cómputo, dado que dicha información permanece codificada en todo momento, previo, durante y posterior al procesamiento. De esta forma, el procesamiento homomórfico de NNs ha surgido como una consideración elemental en el área [4]¿[7]. No obstante, un esquema HE soporta un número limitado de operaciones aritméticas, por lo que la implementación de una NN con HE (NN-HE) requiere de la generación de funciones de reemplazo criptográficamente compatibles para operar sobre información codificada [8]¿[10]. Este proyecto estudia la intersección de dos importantes áreas: criptografía y NNs, donde el objetivo primordial es diseñar e implementar métodos de procesamiento homomórfico para la construcción de modelos NN- HE precisos, eficientes y capaces de preservar la privacidad de información confidencial, habilitando el procesamiento homomórfico de operaciones de comparación, división, detección de signos etc.

CERES, Creating an EdTech Research Ecosystem

  • Proyecto: CERES, Creating an EdTech Research Ecosystem
  • Responsable: Monica Elizabeth Tentori Espinosa
  • Tipo de proyecto: Proyecto Externo (Otras Instituciones)
  • Fecha Inicial: 20-02-2023
  • Fecha Final: 30-04-2025
  • Resumen: Entendiendo el potencial de la IA y la tecnología educativa en las escuelas mexicanas. El sistema educativo en México enfrenta desafíos significativos, incluyendo la desigualdad educativa y la inaccesibilidad, disparidades de habilidades y la ausencia de herramientas estandarizadas para medir el progreso de los estudiantes y facilitar la detección temprana de discapacidades de aprendizaje. El potencial de la IA y la tecnología educativa en México es considerable, ofreciendo numerosas oportunidades para mejorar la accesibilidad, calidad y eficiencia de la educación en todo el país. En este proyecto, proponemos explorar el potencial del análisis de datos y el aprendizaje personalizado para entender el papel que juegan las plataformas educativas impulsadas por IA en las escuelas mexicanas. Creemos que este tipo de investigación puede ayudar a abordar las diversas necesidades de los estudiantes en México, donde existen disparidades educativas debido a varios factores como el estatus socioeconómico, la ubicación geográfica y el trasfondo cultural. Lo haremos primero comprendiendo el potencial de la IA y la tecnología educativa para proporcionar experiencias de aprendizaje personalizadas, a través del diseño, desarrollo y pruebas piloto de tutores IA para apoyar la planificación de lecciones, creación de contenido, evaluación de estudiantes y la eficacia de tales herramientas en adaptarse al ritmo de aprendizaje, estilo y preferencias de cada estudiante. Un ejemplo de un proyecto en curso en esta área, es el catalizador de Amira dedicado a entender el efecto en mejorar las habilidades de lectura y reducir la ansiedad por leer en las escuelas mexicanas. Durante este proyecto hemos estado trabajando especialmente con investigadores de UC Irvine y con escuelas rurales locales en México para probar tanto la plataforma de aprendizaje Amira, como crear una plataforma de tecnología educativa impulsada por IA para facilitar la transferencia de conocimiento científico.

Componente terrestre y percepción remota de la vegetación – Proyecto Multimodal Punta Colonet, en Bahía Colonet, Ensenada, Baja California.

  • Proyecto: Componente terrestre y percepción remota de la vegetación – Proyecto Multimodal Punta Colonet, en Bahía Colonet, Ensenada, Baja California.
  • Responsable: Gisela Heckel Dziendzielewski
  • Tipo de proyecto: Proyecto Fondos En Administracion Otras Instituciones
  • Fecha Inicial: 24-05-2023
  • Fecha Final: 12-09-2024
  • Resumen: Se realizará un análisis multitemporal de imágenes de satélite de alta resolución espacial, con la finalidad de identificar las principales comunidades vegetales de la zona de estudio a partir de sus contrastes fenológicos. El objetivo es generar una línea base que permita estimar el estado actual de la zona y los cambios que pudieran ocurrir al establecerse la obra.

Navegación y Persecución/Evasión con Múltiples Robots

  • Proyecto: Navegación y Persecución/Evasión con Múltiples Robots
  • Responsable: Ubaldo Ruiz López
  • Tipo de proyecto: Proyecto Interno
  • Fecha Inicial: 26-02-2024
  • Fecha Final: 31-12-2025
  • Resumen: Desarrollaremos algoritmos de planificación de movimientos y métodos de control para navegación robótica y persecución/evasión con múltiples robots. Se dará especial énfasis en analizar los efectos de incluir al humano como un componente en el lazo de control. Trataremos con sistemas robóticos para navegación y persecución/evasión, pero daremos especial atención a dos aspectos menos abordados: 1) sistemas múltiples robots 3,22,23 y 2) considerar al humano en el lazo de control 24,25,26,27,28. En los sistemas multirobots el principal objetivo es repartir el trabajo entre varios robots, aprovechando las diferentes capacidades de robots heterogéneos, sin embargo, para el buen funcionamiento de estos sistemas es necesario coordinar el movimiento de los robots y distribuir el sensado y computo. El humano en el lazo de control se refiere a la interacción de controladores o sistemas autónomos con un operador humano. Varios sistemas de control que abordan aplicaciones criticas relativas a seguridad corresponden a esta interacción, por ejemplo, entre sistemas de piloto automáticos en aviones y pilotos humanos, o entre un conductor y un automóvil con capacidades automáticas de asistencia a la conducción. La idea de estos sistemas es aumentar las capacidades humanas permitiendo a operadores no expertos controlar a sistemas con dinámicas complejas, garantizando la seguridad y asegurando el confort del usuario. Dichos sistemas consideran tanto simuladores, como controladores a bordo de vehículos o robots, y sistemas de percepción e interfaces humano-robot.

Líneas de Investigación

Sistemas Inteligentes, Interactivos y Distribuidos

Participantes:

  • Chernykh Andrey
  • Favela Vara Jesús
  • García Macías José Antonio
  • Martínez García Ana Isabel
  • Tentori Espinosa Monica Elizabeth

Visión , Imágenes y Robótica

Participantes:

  • Briseño Cervantes José Luis
  • Hidalgo Silva Hugo Homero
  • Kober Vitali
  • Olague Caballero Gustavo
  • Ruiz Lopez Ubaldo

Algoritmos y ciencia de datos.

Participantes:

  • Chávez González Edgar Leonel
  • Fernández Zepeda José Alberto
  • Lopez Nava Irvin
  • López Mariscal Pedro Gilberto

Biología computacional y computación biológica

Participantes:

  • Brizuela Rodríguez Carlos Alberto
  • Garcia Jacas Cesar
  • Martínez Pérez Israel Marck

Programa de Doctorado

Ofrecemos el programa de doctorado en Ciencias de la Computación, el programa está afiliado al Sistema Nacional de Posgrados (SNP) del CONACYT por lo que puedes solicitar una beca para tus estudios. Buscamos formar doctores en ciencias de alto nivel académico y con habilidades de investigación sobresalientes, para que contribuyan de manera importante al desarrollo de las diferentes áreas de las Ciencias de la Computación.

Fechas de ingreso

El CICESE tiene consideradas 2 convocatorias de ingreso al año. Se abren en el primer y tercer trimestre cada año.

Requisitos de ingreso

El CICESE es un Centro Público de Investigación del CONACYT, los programas de posgrado están afiliados al Sistema Nacional de Posgrados (SNP).

Programa de Maestría

Ofrecemos el programa de maestría en Ciencias de la Computación, el programa está afiliado al Sistema Nacional de Posgrados (SNP) del CONACYT por lo que puedes solicitar una beca para tus estudios. El programa consta de 2 años, el primer año lo invertirás en cursos especializados, durante el primer año escogerás el área para el desarrollo de tu proyecto de tesis y el segundo año lo invertirás en el desarrollo de tu proyecto.

Fechas de ingreso

El CICESE tiene considerada 1 convocatoria de ingreso al año. Se abre el primer trimestre del año considerando el inicio de clases en el mes de agosto o septiembre.

Requisitos de ingreso

El CICESE es un Centro Público de Investigación del CONACYT, los programas de posgrado están afiliados al Sistema Nacional de Posgrados (SNP).