O CITIC da UDC acolleu a presentación dos tres primeiros proxectos de tese, dos oito previstos ao abeiro desta convocatoria

O 3-i ICT é o primeiro programa concedido a una institución galega dentro da convocatoria europea MSCA- COFUND do programa marco europeo H2020

O Centro de Investigación TIC (CITIC) da Universidade da Coruña acolleu este martes 23 de maio a presentación dos traballos de tese de doutoramento internacional do 3-i ICT (International, Interdisciplinary and Intersectoral Information and Communications Technology PhD Programme), un innovador programa de captación de talento predoutoral concedido ao centro da UDC o pasado ano.

Concretamente, presentáronse tres das oito investigacións previstas ao abeiro deste plan que ofrece unha ampla formación en habilidades de investigación e transferencia, e proporcionará unha sólida vantaxe competitiva no desenvolvemento profesional das persoas participantes. No acto participaron, ademais dos doutorandos/as e investigadores/as, a responsable de proxectos europeos do CITIC, Cristina Villar, e o director do CITIC, Manuel Penedo, quen recordou que se trata do primeiro programa concedido a una institución galega dentro da convocatoria europea MSCA- COFUND do programa marco europeo H2020.

Procesamento da linguaxe natural

“Sequence Labelling Parsing for Applied Natural Language Processing” é o título do proxecto de tese presentado por Muhammad  Imran con Carlos Gómez e Margarita Alonso Ramos como director e codirectora, respectivamente.

O obxectivo desta investigación é aproveitar o potencial da análise de etiquetaxe de secuencias para mellorar as tarefas prácticas de Procesamento da Linguaxe Natural (PLN) en grandes configuracións. Para lograr isto, explóranse diferentes formas de integrar información de análise tarefas como o recoñecemento de entidades nomeadas, análises de sentimento baseado en aspectos e resumo automático de texto.  Así, úsase a información da análise como características de etiquetas e deséñanse arquitecturas de aprendizaxe multitarea que realicen tanto a análise como as tarefas posteriores de forma conxunta. Todo isto co obxectivo final de mellorar a precisión e calidade das tarefas de PLN posteriores utilizando información lingüística  e sen comprometer a eficiencia.

Sensorización virtual sen fíos

Pola súa banda, Dariel Pereira Ruisánchez é o autor do proxecto de tese “Wireless virtual sensing for control applications” dirixido por Luis Castedo e codirixido por Francisco Javier Cuadrado.

Neste proxecto de doutoramento proponse superar as limitacións actuais da sensorización virtual mediante a introdución dun novo concepto: a sensorización virtual sen fíos. Esta innovadora idea busca aproveitar os avances recentes na conectividade inalámbrica e a computación no bordo para desenvolver unha infraestrutura de rede adecuada para a sensorización virtual.

O enfoque principal desta tese céntrase no deseño dunha infraestrutura de rede sen fíos específica e na optimización dos seus recursos de transmisión e computación. O deseño da infraestrutura de rede sen fíos e a optimización dos seus recursos son aspectos fundamentais para lograr unha sensorización virtual eficaz e fiable.

Modelos de predición da artrite reumatoide

Por último, a doutoranda Blanca Estela Monroy Castillo  presentou o proxecto de tese “Flexible cure models in data science to predict sustained remission in rheumatoid arthritis”, que contou con Ricardo Cao como director e Francisco Javier Blanco e Amalia Jácome como codirectores.

Neste proxecto de tese, búscase desenvolver técnicas eficientes de análise estatística de datos para predicir a remisión da artrite reumatoide (AR) despois do tratamento. Para iso, utilizaranse modelos de curación, métodos non paramétricos e semiparamétricos para a análise de supervivencia, así como técnicas de análises de datos funcionais. Aplicaranse modelos de curación para determinar a probabilidade de remisión puntual e remisión sostida en pacientes con AR. Ademais, empregaranse métodos na análise de supervivencia para predicir o tempo de latencia naqueles pacientes que non logren unha remisión sostida.

Para mellorar a precisión das predicións, proponse o uso de técnicas de análises de datos funcionais para definir clasificación de biomarcadores. Estes permitirán avaliar de maneira máis precisa a probabilidade de remisión puntual e sostida en pacientes con AR.

O enfoque de modelos de curación, xunto coas técnicas de análises de datos funcionais, facilitan unha análise completa e eficiente dos datos para predicir a remisión da AR e o tempo de recorrencia en pacientes que non alcanzan unha remisión sostida.