Con apoyo del CONACYT se gradúan dos nuevos Doctores en Ciencias Computación
Liz Verónica Báez y Gustavo Sosa Cabrera defendieron sus tesis para doctorarse en Ciencias de la Computación por Facultad Politécnica de la Universidad Nacional de Asunción (FP-UNA). El posgrado recibió G. 675.000.000 por parte del Consejo Nacional de Ciencia y Tecnología (CONACYT) a través del Programa PROCIENCIA con apoyo del FEEI.
La Dra. Liz Verónica Báez realizó la defensa de su tesis doctoral titulada "Protocolo sistemático para el monitoreo de la calidad de agua subterránea basado en la aplicación de tecnologías emergentes". La destacada profesional propuso en su trabajo un enfoque innovador que promete transformar la evaluación de la calidad del agua subterránea.
El aporte clave de la Dra. Báez radica en la introducción de un protocolo integral que utiliza tecnologías emergentes para el monitoreo objetivo de la calidad del agua subterránea. Su investigación se distingue por la aplicación de métodos avanzados en la selección de pozos y la reducción de parámetros.
En la selección de pozos, la Dra. Báez empleó un algoritmo evolutivo multi-objetivo, aprovechando datos y herramientas geoespaciales para mejorar la precisión y representatividad de los datos recolectados. En cuanto a la reducción de parámetros, se aplicaron técnicas de reducción multivariada y algoritmos de selección de atributos, vinculados con la indexación de la calidad del agua, logrando un enfoque más eficiente y focalizado. El protocolo propuesto fue sometido a rigurosas pruebas de validación en diversos escenarios, arrojando resultados que destacan su alta eficiencia y aplicabilidad en diferentes condiciones.
Este trabajo no solo representa un avance significativo en la comprensión de la calidad del agua subterránea, sino que también establece un estándar para futuras investigaciones en el campo de la gestión sostenible de los recursos hídricos. La investigación proporciona información útil para abordar desafíos cruciales en la preservación del agua, un recurso vital para la vida en nuestro planeta.
La investigación se realizó con la orientación de los Profesores, Dra. Cynthia Villalba, de la FP-UNA, Paraguay y del Dr. Juan Pablo Nogués, de ATOME Paraguay.
Por otra parte, el Dr. Gustavo Sosa Cabrera también defendió su tesis "Categorical Multivariate Dependency for Feature Selection applied in Datamining Classification Task". Este estudio presenta el innovador algoritmo de selección de atributos denominado PART_FS, diseñado para abordar desafíos en problemas de alta dimensionalidad, caracterizados por una elevada dependencia no-lineal.
El trabajo del Dr. Sosa Cabrera destaca por la creación del algoritmo PART_FS, una herramienta versátil y escalable que se basa en la partición del espacio de búsqueda y en la intercooperación de atributos. Esta metodología novedosa permite la construcción de modelos predictivos más precisos. Este algoritmo innovador utiliza estrategias de partición y cooperación entre atributos para capturar de manera eficiente relaciones no-lineales, mejorando así la capacidad de predicción en tareas de clasificación en Datamining.
PART_FS no solo demuestra ser eficaz en la construcción de modelos precisos, sino que también se destaca por su versatilidad y escalabilidad. Está diseñado para adaptarse a una variedad de conjuntos de datos y escenarios, lo que lo convierte en una herramienta valiosa para investigadores y profesionales de Datamining.
La investigación proporciona una herramienta práctica y avanzada para mejorar la precisión en tareas de clasificación en el campo del Datamining. Su trabajo promete tener un impacto significativo en la forma en que abordamos la complejidad de los datos en la era digital.
La investigación se realizó con la orientación de los Profesores Miguel García Torres, de la Universidad Pablo de Olavide, Sevilla, España y Christian Schaerer, de la Facultad Politécnica de la Universidad Nacional de Asunción (FP-UNA), Paraguay.
