Proyectos Vigentes
Lista de Proyectos Vigentes
- Ir a:
- Estudio de la programación cerebral en problemas de reconocimiento a gran escala y sus aplicaciones en el mundo real – Gustavo Olague Caballero
- Redes Neuronales con Preservación de la Privacidad mediante Encriptación Homomórfica – Andrey Chernykh
- CERES, Creating an EdTech Research Ecosystem – Mónica Elizabeth Tentori Espinosa
- MOVIE: Modelado de la visión y la evolución – Gustavo Olague Caballero
- Navegación y Persecución/Evasión con Múltiples Robots – Ubaldo Ruiz López
- Desarrollo de Métodos de Inteligencia Artificial para la Reconstrucción de Escenas Dinámicas en el Espacio Tridimensional – Vitali Kober
- Algoritmos exactos, de IA y de ciencia de datos para problemas en grafos y de modelos de diseño de proteínas – Carlos Alberto Brizuela Rodríguez
- Métodos y herramientas para la optimización de aprendizaje federado con privacidad preservada para procesamiento de información en un ambiente no seguro – Andrey Chernykh
- Inteligencia Artificial Centrada en el Humano con Aplicación en Salud y Educación – Jesús Favela Vara
- Métodos Mixtos para el Análisis de Datos en Contextos de Dimensiones Variables – Mónica Elizabeth Tentori Espinosa
Estudio de la programación cerebral en problemas de reconocimiento a gran escala y sus aplicaciones en el mundo real
Descripción
El objetivo es extender la metodología de programación cerebral en el contexto de problemas de reconocimiento a gran escala. La meta general que estamos considerando en nuestra investigación presenta oportunidades en temas de computación visual como la recuperación de imágenes, el seguimiento de objetos, comportamientos visuales, atención visual, y el reconocimiento de objetos.
El principal objetivo es expandir las capacidades de una nueva metodología de computación evolutiva considerando los dominios de visión por computadora y reconocimiento de patrones. La meta es estudiar la relación entre el modelado basado en funciones y grandes bases de datos siguiendo el paradigma de programación cerebral. Estructuras jerarquicas son utilizadas de acuerdo a conocimiento de neurociencias de la estructura del cerebro. En el diseño, existen programas que evolucionan siguiendo algunas metas preescritas, sin embargo las implementaciones actuales no escalan bien para problemas de grandes bases de datos. La solución a dicha problemática será abordada redefiniendo el problema de aprendizaje de máquinas.
La infraestructura desarrollada dentro del proyecto nos ayuda a estudiar problemas del mundo real de gran escala con un alcance teórico y práctico. Dentro del proyecto esperamos dar soluciones a problemas del mundo real en múltiples dominios: Ciencias de la Tierra, Medicina, Robótica, y Oceanología. Para esto contamos con una red de colaboradores que actualmente participan ya que estan interesados en nuestros desarrollos teóricos. Los participantes de varias instituciones darán fuerza a la consecución de objetivos al fortalecer la cooperación científica y la unión de esfuerzos académicos.
El objetivo es extender la metodología de programación cerebral en el contexto de problemas de reconocimiento a gran escala. La meta general que estamos considerando en nuestra investigación presenta oportunidades en temas de computación visual como la recuperación de imágenes, el seguimiento de objetos, comportamientos visuales, atención visual, y el reconocimiento de objetos.
El principal objetivo es expandir las capacidades de una nueva metodología de computación evolutiva considerando los dominios de visión por computadora y reconocimiento de patrones. La meta es estudiar la relación entre el modelado basado en funciones y grandes bases de datos siguiendo el paradigma de programación cerebral. Estructuras jerarquicas son utilizadas de acuerdo a conocimiento de neurociencias de la estructura del cerebro. En el diseño, existen programas que evolucionan siguiendo algunas metas preescritas, sin embargo las implementaciones actuales no escalan bien para problemas de grandes bases de datos. La solución a dicha problemática será abordada redefiniendo el problema de aprendizaje de máquinas.
La infraestructura desarrollada dentro del proyecto nos ayuda a estudiar problemas del mundo real de gran escala con un alcance teórico y práctico. Dentro del proyecto esperamos dar soluciones a problemas del mundo real en múltiples dominios: Ciencias de la Tierra, Medicina, Robótica, y Oceanología. Para esto contamos con una red de colaboradores que actualmente participan ya que estan interesados en nuestros desarrollos teóricos. Los participantes de varias instituciones darán fuerza a la consecución de objetivos al fortalecer la cooperación científica y la unión de esfuerzos académicos.

Responsable:
Gustavo Olague Caballero

Proyecto Interno

Fecha Inicial: 25-02-2020
Fecha Final: 31-12-2025
CERES, Creating an EdTech Research Ecosystem
Descripción
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 aprendiendo ciencia mientras se realizan actividades cotidianas (como aprender geofísica mientras se cultiva vino o aprender biomecánica bailando).
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 aprendiendo ciencia mientras se realizan actividades cotidianas (como aprender geofísica mientras se cultiva vino o aprender biomecánica bailando).
Complementaremos este entendimiento, explorando cómo los algoritmos de IA pueden analizar grandes cantidades de datos de interacción táctil relevantes para personalizar la capacitación o para ayudar en el cribado de trastornos y problemas de salud mental que podrían tener un impacto negativo en el aprendizaje.
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 aprendiendo ciencia mientras se realizan actividades cotidianas (como aprender geofísica mientras se cultiva vino o aprender biomecánica bailando).
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 aprendiendo ciencia mientras se realizan actividades cotidianas (como aprender geofísica mientras se cultiva vino o aprender biomecánica bailando).
Complementaremos este entendimiento, explorando cómo los algoritmos de IA pueden analizar grandes cantidades de datos de interacción táctil relevantes para personalizar la capacitación o para ayudar en el cribado de trastornos y problemas de salud mental que podrían tener un impacto negativo en el aprendizaje.

Responsable:
Mónica Elizabeth Tentori Espinosa

Proyecto Externo (Otras Instituciones)

Fecha Inicial: 20-02-2023
Fecha Final: 30-04-2025
Algoritmos exactos, de IA y de ciencia de datos para problemas en grafos y de modelos de diseño de proteínas
Descripción
El proyecto seguirá dos variantes que tienen intersección en el diseño de algoritmos con métodos exactos y heurísticos. La primera variante considera dos subproyectos y la segunda, un subproyecto que aborda cuatro problemas específicos.
El subproyecto 1 se enfoca en analizar la factibilidad de diseñar un algoritmo autoestabilizante para el problema del conjunto dominante total minimal en grafos outerplanares. El subproyecto 2 se enfoca en analizar la factibilidad de parametrizar un algoritmo (heurística) que resolver el problema del clique máximo de distancia k en un grafo cactus restringido. El subproyecto trata de lo siguiente.
La integración de la Inteligencia Artificial (IA) y la Ciencia de Datos en la investigación biomédica ha permitido avances revolucionarios en el diseño de proteínas y péptidos, facilitando el desarrollo de nuevos fármacos, vacunas, herramientas diagnósticas y aplicaciones en ciencia de materiales. Este subproyecto tiene como objetivo desarrollar algoritmos basados en IA para abordar cuatro desafíos clave en biomedicina: i) Diseño de proteínas para inhibir distintos blancos, ii) Diseño de clasificadores de epítopos para Dengue, iii) Diseño de un pool de péptidos para el diagnóstico de Tuberculosis, y iv) Desextinción de péptidos antimicrobianos.
El proyecto seguirá dos variantes que tienen intersección en el diseño de algoritmos con métodos exactos y heurísticos. La primera variante considera dos subproyectos y la segunda, un subproyecto que aborda cuatro problemas específicos.
El subproyecto 1 se enfoca en analizar la factibilidad de diseñar un algoritmo autoestabilizante para el problema del conjunto dominante total minimal en grafos outerplanares. El subproyecto 2 se enfoca en analizar la factibilidad de parametrizar un algoritmo (heurística) que resolver el problema del clique máximo de distancia k en un grafo cactus restringido. El subproyecto trata de lo siguiente.
La integración de la Inteligencia Artificial (IA) y la Ciencia de Datos en la investigación biomédica ha permitido avances revolucionarios en el diseño de proteínas y péptidos, facilitando el desarrollo de nuevos fármacos, vacunas, herramientas diagnósticas y aplicaciones en ciencia de materiales. Este subproyecto tiene como objetivo desarrollar algoritmos basados en IA para abordar cuatro desafíos clave en biomedicina: i) Diseño de proteínas para inhibir distintos blancos, ii) Diseño de clasificadores de epítopos para Dengue, iii) Diseño de un pool de péptidos para el diagnóstico de Tuberculosis, y iv) Desextinción de péptidos antimicrobianos.

Responsable:
Carlos Alberto Brizuela Rodríguez

Proyecto Interno

Fecha Inicial: 03-03-2025
Fecha Final: 03-03-2028
Inteligencia Artificial Centrada en el Humano con Aplicación en Salud y Educación
Descripción
El proyecto propone varias actividades de investigación relacionadas con el área de inteligencia artificial centrada en el usuario en los entornos de salud y educación, incluyendo el desarrollo y evaluación de terapias de regulación emocional, el reconocimiento de lengua de señas, la evaluación de agentes conversacionales y el diseño de tutores inteligentes para la enseñanza de programación.
El proyecto propone varias actividades de investigación relacionadas con el área de inteligencia artificial centrada en el usuario en los entornos de salud y educación, incluyendo el desarrollo y evaluación de terapias de regulación emocional, el reconocimiento de lengua de señas, la evaluación de agentes conversacionales y el diseño de tutores inteligentes para la enseñanza de programación.