Conferencia "Uso de la IA generativa para el tratamiento de datos masivos en docencia e investigación"

El grupo de Investigación Swift (Solar and Wind Feasibility Technologies) organiza la conferencia titulada: "Uso de la IA generativa para el tratamiento de datos masivos en docencia e investigación" impartida por Andrés Suárez García, profesor del Departamento de ingeniería de sistemas y automática de la Universidad de Vigo.

El Profesor Suárez García ha aplicado técnicas avanzadas de IA, optimización matemática, algoritmos de aprendizaje automático (Machine Learning) y redes neuronales artificiales en sectores como la ingeniería naval, la energía y la gestión de recursos. Ha participado directamente en el desarrollo de soluciones basadas en IA y analítica predictiva para el sector militar y pesquero. Ha publicado 38 trabajos en revistas indexadas JCR, en las que destaca el uso directo de metodologías de IA, Redes Neuronales (ANN), Análisis Bayesiano y optimización. Sus áreas secundarias de aplicación son la eficiencia energética, energías renovables, simulación térmica y gemelos digitales. Es coautor de dos registros de software/sistemas de transferencia orientados a la gestión estadística y automatizada de datos en España.
 

En la conferencia, el Pr. Suárez García abordará cómo las herramientas de inteligencia artificial de última generación están transformando la gestión de grandes volúmenes de información en el ámbito académico y científico. las principales cuestiones y ejes temáticos que se tratarán en el encuentro serán:

1. Automatización y Análisis en la Investigación Científica, procesamiento de Big Data y uso de algoritmos para identificar patrones complejos, correlaciones ocultas y anomalías en grandes volúmenes de literatura científica o resultados experimentales y el papel de la IA como asistente en la revisión de la literatura, síntesis de textos y preparación de borradores para publicaciones de alto impacto.
2. Personalización y Gestión de Datos en la Docencia: El tratamiento masivo de las interacciones de los estudiantes en plataformas virtuales para evaluar el rendimiento, predecir el abandono escolar y diseñar estrategias de retención (Learning Analytics) y la creación de contenido educativo dinámico.
3. Desafíos Éticos, Sesgos y Propiedad Intelectual: Integridad académica y sesgo de datos debatiendo sobre cómo asegurar que los modelos de IA generativa no perpetúen sesgos presentes en los datos masivos originales y cómo garantizar la veracidad de los resultados y privacidad y propiedad de los datos.