Julian Luengo

Julián Luengo

Más sobre Julián Luengo:

Julián Luengo se licenció en Informática y se doctoró en la Universidad de Granada (Granada, España) en 2006 y 2011, respectivamente.

Actualmente se desempeña como Profesor Titular de Universidad en el Departamento de Ciencias de la Computación e Inteligencia Artificial de la Universidad de Granada, España.

Sus intereses de investigación incluyen el aprendizaje automático y la minería de datos, así como la preparación de datos en el descubrimiento de conocimiento. En particular, sus líneas de investigación se han centrado en los valores perdidos, los datos ruidosos y la complejidad de los datos, analizando recientemente sus ramificaciones en el aprendizaje profundo y el Big Data.

El Dr. Luengo ha recibido premios y honores por su trabajo personal o por sus publicaciones y conferencias, como el premio IFSA-EUSFLAT 2009 al Mejor Trabajo Estudiantil o los premios UGR a mejor artículo de investigación en ingeniería en 2014 y 2015. Pertenece a la lista de los Investigadores Altamente Citados en el área de Ciencias de la Computación (2015-2018): http://highlycited.com/ (Clarivate Analytics).

Julián Luengo hablará sobre:

Big Data Preprocessing

11:30 - 12:30 Lunes 21 Septiembre


El término «Big Data» se ha extendido rápidamente en el marco del aprendizaje automático y la ciencia de los datos. Este nuevo escenario puede definirse por medio de aquellos problemas que no pueden ser abordados de manera efectiva o eficiente usando los recursos de computación estándar que tenemos actualmente. El uso de las herramientas de Big Data Analytics proporciona ventajas muy significativas tanto a la industria como a la academia, pero los datos raramente pueden ser utilizados en bruto. En este taller proporcionamos una introducción a Big Data y una definición del preprocesamiento de datos para lograr Smart Data.
Como tal, este taller cubre temas importantes para mejorar la calidad de los datos a estudiar.
Se presentarán varias técnicas de transformación de datos, dimensionalidad y reducción de datos, mostrando la adaptación de métodos clásicos y enfoques novedosos. También se aborda el problema de los datos imperfectos, aportando ideas útiles sobre cómo tratar el ruido y los valores perdidos en una escala totalmente nueva, donde la redundancia puede ser explotada para obtener ventajas. Finalmente, este taller también cubre ejemplos prácticos incluyendo el
uso de paquetes de software y bibliotecas bien establecidas.


Idioma de la ponencia: Español