- Una gira de vinculación académica permitió socializar el progreso de investigaciones lideradas por Data Observatory en la aplicación de data science y machine learning; abriendo importantes oportunidades de colaboración entre investigadores, desarrollo de proyectos y programas de intercambio con miras al 2023.
Con el propósito de desarrollar ciencia de vanguardia y generar talento humano de avanzada en data science, Data Observatory (DO) realizó una exitosa gira académica en Estados Unidos, compartiendo los resultados de algunos proyectos de investigación de su portafolio y firmando un convenio de colaboración con la Universidad de Notre Dame para potenciar la ciencia de datos en escenarios internacionales y el uso de datos abiertos para la I+D+i.
Como parte de una gira de acercamiento para el desarrollo de convenios de colaboración entre Data Observatory (DO) -organización público, privada y académica liderada por los Ministerios de Ciencia y Economía, AWS y la Universidad Adolfo Ibáñez (UAI)-; los investigadores DO Javier Lopatin y Gonzalo Ruz, también académico de la Facultad de Ingeniería y Ciencias UAI, dictaron dos charlas sobre el uso de datos satelitales para el monitoreo de la biodiversidad vegetacional y sus riesgos producto de invasiones biológicas, y el desarrollo de algoritmos de aprendizaje. Ambas charlas contaron con participación de académicos y estudiantes de post-grado.
Gonzalo Ruz compartió los avances de su investigación acerca de aprendizaje automático y machine learning, y presentó dos algoritmos de aprendizaje para clasificadores redes Bayesianas, que corresponden a modelos de clasificación automática en base a características propias de un problema. «Propuse dos variantes de algoritmos de aprendizaje para ese modelo y su aplicación en el análisis de sentimientos. Hemos estudiado casos por ejemplo en redes sociales y la connotación positiva y negativa que tuvo un terremoto, así como el referéndum de independencia de Cataluña. Y por otra parte, también socializamos un estudio del modelo Bayesiano usando computación evolutiva y clasificación del biotipo facial en la planificación de tratamientos de ortodoncia».
Para el investigador, estos modelos de clasificación automática permiten automatizar tareas y así procesar de manera rápida un gran volumen de datos. Explica que: «Muchos de los clasificadores populares hoy en día se conocen como modelos de caja negra, ya que ingresan datos y permiten un alto nivel de predicción, pero una baja capacidad de explicación del proceso. Los modelos de redes Bayesianas además de clasificar de forma automática, permiten visualizar redes entre los atributos comunes, ofreciendo probabilidades condicionales y la posibilidad de explicar el proceso de clasificación».
Por su parte, Javier Lopatin expuso sobre sus investigaciones sobre el monitoreo de biodiversidad mediante percepción remota u observación de la Tierra, disciplina que usa imágenes de satélites, drones y aviones, mediante modelos matemáticos y machine learning. «En esta ocasión mostré varias aproximaciones para estimar el impacto del cambio climático y las invasiones biológicas (e.g., pino) en la biodiversidad de bosques nativos de la zona centro-sur de Chile. Tuvimos interesantes discusiones sobre el trabajo actual de Data Observatory en estas temáticas y otras relacionadas a estimar las retroalimentaciones tierra-atmósfera mediadas por las plantas ante escenarios de sequía. Hablamos no solo con expertos en data science, sino también con geógrafos y biólogos interesados en nuestros estudio».
Para Rodrigo Roa, director ejecutivo (I) de Data Observatory, el balance de la gira académica fue todo un éxito y «esperamos materializar prontamente no solo acuerdos de colaboración, sino también el intercambio de investigadores y alumnos, para fortalecer nuestras líneas de trabajo y enriquecer la experiencia de nuestro capital humano. Durante una semana sostuvimos reuniones de muy alto nivel que sin duda potenciarán el desarrollo de la ciencia de Datos, permitiéndonos además, el desarrollo conjunto en futuros proyectos».
Por otra parte, la delegación de Data Observatory concurrió a la Universidad de Michigan, en donde el equipo se reunió con representantes del Michigan Institute for Data Science (MIDAS) y del Michigan Center for Applied and Interdisciplinary Mathematics (MCAIM), compartiendo las experiencias científicas del DO en proyectos relacionados a la ciencia de datos, machine learning y remote sensing. Entre las autoridades participantes destacan H.V. Jagadish, director de MIDAS, y Lydia Bieri, directora de MCAIM.
Mientras que en la Universidad de Notre Dame, se realizaron reuniones con los profesores Alexander Dowling, Ryan McClarren, Jian-Xun Wang y Nitesh Chawla, este último fundador y director de Lucy Family Institute for Data & Society; así como con David Go, Chief Aerospace and Mechanical Engineering Department, Patricia Clark, Associate Vice President for Research, Biophysics Instrumentation Core Facility Faculty Director.
