Data Science and Artificial Intelligence (TECNIO)

El grup “Data Science and Artificial Intelligence” és un grup de recerca universitari de caràcter multidisciplinari en l’àmbit de les tecnologies la intel·ligència artificial i la ciència de dades. El nostre objectiu principal és donar resposta als reptes a què han de fer front les organitzacions a causa de la generació massiva de dades, i ho fem tant des del punt de vista tecnològic com des del punt de vista científic i social.

Som especialistes en ciència de dades, una disciplina clau en la transformació digital que consisteix a generar i interpretar automàticament informació a gran escala, i ho abordem tant des del vessant matemàtic i algorítmic com des del vessant metodològic.

ACTIVITAT I OFERTA TECNOLÒGICA

Proporcionem coneixement i aportem eines predictives i d’anàlisi que permeten als nostres clients desenvolupar el seu negoci de manera intel·ligent mitjançant l’optimització de l’ús de les dades. Els nostres projectes d’R+D+I col·laborativa, de consultoria i d’accions formatives proporcionen a les empreses solucions per optimitzar els seus processos en els entorns digital, de la salut, de la banca i les assegurances, dels mèdia i de l’Administració.

• Entorn digital: oferim solucions de monitorització i anàlisi de xarxes socials per detectar tendències, mesurar la reputació online, predir CTR i sistemes de recomanació.
• Entorn de la salut: apliquem tècniques d’analítica avançada (visió per computador, aprenentatge automàtic) per a la presa de decisions clíniques i per millorar els processos en matèria de prevenció, diagnòstic, tractament i seguiment (segmentació de pacients i alertes sanitàries).
• Entorn de l’experiència del client: fem servir tècniques que ens permeten conèixer el comportament de l’usuari i prendre decisions estratègiques de negoci (campanyes efectives de màrqueting).
• Entorn dels recursos humans: desenvolupem eines digitals que permeten analitzar les organitzacions i millorar-ne els processos.
• Entorn de finances: analitzem les dades i proposem solucions adaptades a les necessitats del client, per tal d’oferir-li nous productes i un millor servei.
• Entorn industrial: desenvolupem algorismes d’anàlisi de dades i sistemes de visió per computador dirigits a l’optimització i automatització de processos.

MEMBRES

• Oriol Pujol  <oriol_pujol@ub.edu>,
• Josep Perelló <josep.perello@ub.edu>,
• Isabelle Bonhoure <isabelle.bonhoure@ub.edu>, 
• Simone Balocco <simone.balocco@ub.edu>,
• Laura Igual <ligual@ub.edu>,
• Eloi Puertas <epuertas@ub.edu>,
• Mireia Ribera <ribera@ub.edu>,
• Albert Diaz <albert.diaz@ub.edu>,
• Miquel Montero <miquel.montero@ub.edu>,
• Sergio Escalera <sescalera@ub.edu>,
• Petia Radeva <petia.ivanova@ub.edu>,
• Oliver Diaz <oliver.diaz@ub.edu>, 
• Ignasi cos <ignasi.cos@ub.edu>,
• Karim Lekadir <karim.lekadir@ub.edu>,
• Emanuele Cozzo <emanuele.cozzo@ub.edu>,
• Daniel Ortiz <daniel.ortiz@ub.edu>,
• Xavier Baró <xbaro@ub.edu>,
• Santi Segui <santi.segui@ub.edu>
• Jordi Vitrià <jordi.vitria@ub.edu>

OFERTA FORMATIVA

• Curs de Postgrau de Machine Learning i Intel·ligència Artificial
• Màster de Fonaments de la Ciència de Dades
• Cursos a mida per empreses.

PUBLICACIONS DESTACADES

• Carpi, L.C., Schieber, T.A., Pardalos, P.M. et al. Assessing diversity in multiplex networks. Sci Rep 9, 4511 (2019).
• Perelló, A.Cigarini, J.Vicens, I.Bonhoure, D.Rojas-Rueda, M.J. Nieuwenhuijsen, M.Cirach, C.Daher, J.Targa, A.Ripoll, Large-scale citizen science provides high-resolution nitrogen dioxide values and health impact while enhancing community knowledge and collective action, Science of The Total Environment,Volume 789, 2021.
• Diaz, K. Kushibar, R. Osuala, A. Linardos, L. Garrucho, L. Igual, P. Radeva, F. Prior, P. Gkontra, K. Lekadir, Data preparation for artificial intelligence in medical imaging: A comprehensive guide to open-access platforms and tools, Physica Medica, Volume 83, 2021.
• Mur, J.Vitrià. What’s on the telly? Causality for recommender systems in public-service media corporations, Causal Data Science Meeting 2021, November 15–16, 2021.
• Laiz, P., Vitrià, J., Wenzek, H., Malagelada, C., Azpiroz, F., & Seguí, S. (2020). WCE polyp detection with triplet based embeddings. Computerized Medical Imaging and Graphics, 86, 101794.
• Unceta I, Nin J, Pujol O (2020) Risk mitigation in algorithmic accountability: The role of machine learning copies. PLoS ONE 15(11)
• Vila M..M., Remeseiro B., Grau M., Elosua R., Igual L. (2022) Last Advances on Automatic Carotid Artery Analysis in Ultrasound Images: Towards Deep Learning. In: Lim CP., Vaidya A., Jain K., Mahorkar V.U., Jain L.C. (eds) Handbook of Artificial Intelligence in Healthcare. Intelligent Systems Reference Library, vol 211. Springer.
• Rastgoo, R., Kiani, K. & Escalera, S. Real-time isolated hand sign language recognition using deep networks and SVD. J Ambient Intell Human Comput(2021).

 

Coordinador: Santi Seguí

Contacte: santi.segui@ub.edu
Informació: datascience.ub.edu/tecnio