EQUIPO
Juan Lanchares Davila
Juan Lanchares Dávila es licenciado en Ciencias Físicas (1990), especialidad Cálculo Automático y Doctor en CC Físicas (1995). Desde el año 2019 es Catedrático de Universidad en el Departamento de Arquitectura de Computadores y Automática de la Facultad de Informática de la Universidad Complutense de Madrid. En la actualidad su trabajo se centra en el estudio de hardware adaptativo tolerante a fallos para sistemas autónomos. En concreto está trabajando en el estudio e implementación HW de filtros digitales. También ligado a este campo estamos trabajando en la implementación de redes neuronales profundas para estimar el valor de la glucosa en sangre a partir de medias indirectas. Entre los filtros implementados se encuentran diversos tipos de filtros Kalman y filtros de partículas.
J. Ignacio Hidalgo
J. Ignacio Hidalgo es Catedrático de Arquitectura y Tecnología de computadores en la Universidad Complutense de Madrid. Obtuvo el Grado de Doctor en Ciencias Físicas, programa de Informática y Automática en 2001 por la misma Universidad. Ha dirigido 9 tesis doctorales y es investigador Principal de 3 proyectos competitivos entre los que se encuentra Micro-Stress MAP. Desde 1995 trabaja en el desarrollo, aplicación y paralelización de algoritmos evolutivos y machine learning. Ha realizado más de 70 publicaciones en revistas indexadas y más de 120 publicaciones y comunicaciones a congresos.
Oscar Garnica
Profesor Titular desde el año 2007 en la Facultad de Informática de la Universidad Complutense de Madrid. En la actualidad mi investigación dentro del grupo ABSys se centra en el diseño de hardware adaptativo vestible (wearable), también llamados dispositivos inteligentes, para aplicaciones en ingeniería biomédica que implementen técnicas de inteligencia artificial y computación evolutiva. Las líneas de trabajo son, por un lado, la estimación en tiempo real y la predicción de los valores futuros de la glucosa en sangre de pacientes diabéticos y, por otro lado, el desarrollo de sistemas para la monitorización no invasiva de su glucosa en sangre.
Jose Manuel Velasco Cabo
José Manuel Velasco Cabo es profesor colaborador de la universidad Complutense de Madrid e investigador del grupo ABSYS. Diplomado en Profesorado de EGB, licenciado en Física y doctor en ingeniería informática por la universidad Complutense. También tiene un Máster en comunicaciones móviles por la universidad Politécnica de Madrid. Sus líneas de investigación son: Algoritmos bio-inspirados, algoritmos para la estimación de distribución y predicción y modelización de series temporales.
Carlos Cervigon Ruckauer
Profesor de la Universidad Complutense de Madrid (UCM) desde octubre de 2006. Es licenciado en Informática por la Universidad Politécnica de Madrid (1992). De 1993 a 2006 trabajó en el Colegio Universitario de Segovia (UCM) y CES Felipe II (UCM). En 2007 se incorporó al grupo GRASIA y se centró en la investigación en algoritmos evolutivos y sistemas multiagente. Actualmente centra su investigación en métodos de computación evolutiva y algoritmos bioinspirados aplicados al análisis y optimización de modelos de predicción de glucosa en pacientes diabéticos.
Esther Maqueda
La doctora Maqueda cursó sus estudios de Medicina en la universidad de Alcalá de Henares en 2001 y obtuvo su Diploma de Estudios Avanzados en el 2005. Ha presentado el resultado de sus investigaciones en 6 capítulos de libro, 7 revistas internacionales con índice de Impacto y 8 nacionales. La doctora Maqueda ha difundido su trabajo en 17 congresos científicos internacionales y más de 25 congresos nacionales. Como docente ha participado en 5 cursos organizados por la Gerencia Atención Primaria de Toledo del Sescam, además de presentar 6 ponencias en diversos hospitales de España. La doctora Maqueda mantiene una intensa actividad de formación y
actualización para los médicos de atención primaria especialmente relacionado con la diabetes y colabora con varias empresas farmacéuticas como Novo Nordisk, Sanofi , Lilly y Astra Zeneca. Ha asistido a una veintena de cursos de postgrado en diversas instituciones europeas. La doctora Maqueda participa desde 2015 como investigadora en proyectos financiados por el Ministerio de Economía y Competitividad como el proyecto desarrollo de sistemas adaptativos y bioinspirados para el control glucémico con infusores subcutáneos continuos de insulina y monitores continuos de glucosa y el proyecto sistema adaptativo bioinspirado para el control glucémico basado en sensores y accesorios inteligente En la actualidad es Facultativo Especialista Adjunto de Endocrinología y Nutrición
en el Hospital Universitario de Toledo.
Marta Botella
La doctora Botella cursó sus estudios de Medicina en la universidad Complutense de Madrid y se especializó en el Hospital Gregorio Marañon en Endocrinología y Nutrición. La doctora Botella ha servido como cooperante para las Naciones Unidas en La República Dominicana y Perú. Ha participado en 15 proyectos de investigación en ensayos clínicos en la fase II, III y IV, en 10 de ellos como
investigador principal. La doctora Botella ha realizado más de 25 cursos de postgrado y presentado el resultado de sus investigaciones en 11 capítulos de libros y 19 revistas. Como docente ha desarrollado más de 20 cursos y seminarios, además de participar en más de 25
congresos internacionales y nacionales.
Almudena Sánchez
Es Profesora Acreditada Doctora del Máster del Profesorado de la Universidad a Distancia de Madrid. Doctora Internacional en Matemáticas por la Universidad Politécnica de Valencia, Máster en Ingeniería de Análisis de Datos, Mejora de Procesos y Toma de decisiones, Máster Universitario en Profesor de Educación Secundaria Obligatoria y Bachillerato, Formación Profesional y Enseñanza de Idiomas, Técnico Especialista en Análisis de Datos. Ha trabajado como Científica de Datos Senior en empresas como IBM España (proyectos en REE y Repsol), EVO Banco y Quental Technology (proyecto en OpenBank Santander). Ha participado en proyectos en REE y REPSOL. Ha sido profesora en la Universidad Católica de Ávila y UNIR, investigadora en el Centro Superior de Salud Pública de la
Generalitat Valenciana, en la Universidad de Pablo de Olavide y en la Universidad Complutense de Madrid. Su labor de investigación se centra en el tratamiento y análisis de datos, modelización estadística y matemática y cuantificación de la incertidumbre en el ámbito de las
ciencias sociales, principalmente, en el ámbito de la educación, sanitario y político.
Daniel Parra Rodriguez
Grado y Máster en ingeniería informática en la Universidad Complutense de Madrid(UCM), actualmente estudiante de doctorado. Investigador de proyecto específico de 2020 a 2022. PDI Ayudante desde 2022.
Alberto Gutiérrez Gallego
Ha cursado la carrera y máster en Ingeniería Informática en la Universidad Complutense de Madrid. Ha trabajado como profesor de Tecnología de la Programación en MATHS informática y como Big Data Developer en IDOM. Actualmente trabaja como desarrollador de IA para Biztools y está realizando un doctorado industrial en Inteligencia Artificial junto con la UCM y Biztools. También está como profesor colaborador en asignaturas como : FC, TOC y EC
Rodrigo Zamora Bautista
Técnico de grado superior en Desarrollo de aplicaciones multiplataforma(DAM) con experiencia en aplicaciones móviles Android. Actualmente trabajando con el grupo ABSYS para el proyecto glUCModel como desarrollador de su aplicación para Android así como para otras tareas relacionadas con la programación y el desarrollo web.
Jorge Alvarado Díaz
Jorge Alvarado Díaz obtuvo el Grado en Ingeniería Informática en Tecnologías de la Información en 2016 y el Máster Universitario en Investigación en Ingeniería y Arquitectura en 2018, ambos por la Universidad de Extremadura (UEX). Actualmente está trabajando en su tesis doctoral en la predicción de glucosa en pacientes diabéticos mediante algoritmos evolutivos y deep learning.
Laura Millán García
Laura Millán García obtuvo el Grado en Química en 2016 en la Universidad Complutense de Madrid, y el Máster en Ciencia e Ingeniería de Materiales en 2018 en la Universidad Carlos III. Actualmente, se encuentra realizando su tesis doctoral “Análisis Multiescala de Tensiones Residuales empleando Métodos de Difracción y Algoritmos Evolutivos” financiada por el proyecto Micro-Stress Map. Tesis codirigida por el Centro Nacional de Investigaciones Metalúrgicas (CENIM), CSIC., y por la Facultad de Informática de la Universidad Complutense, bajo la tutela de la Facultad de Físicas de la Universidad Complutense.
Wenbo Sun
Wenbo Sun obtuvo Grado y Máster en ingeniería informática en la Universidad Complutense de Madrid(UCM). Con un profundo interés en los algoritmos de aprendizaje automático, ha evaluado cuatro algoritmos para la detección de objetivos en tiempo real de personas y bicicletas durante la conducción autónoma, centrándose en pruebas y evaluaciones en diferentes entornos de hardware. También está dedicado a implementar redes neuronales en hardware. Desde 2023 forma parte del grupo ABSYS trabajando en Sistema wearable de inteligencia artificial para la toma de decisiones de personas con diabetes.
Jorge Koronis
Jorge Koronis es Licenciado en Informática por la Universidad Complutense de Madrid. Ha desarrollado su carrera profesional en distintas compañías, como Coritel y La Griega, llevando a cabo tareas de programador, analista y responsable de importación y procesos. En la actualidad está realizando su doctorado en el grupo ABSYS sobre optimización de arquitecturas hardware para la ejecución de inteligencia artificial.
Félix Tena
Ingeniero en Tecnologías Industriales con especialización en Automatización y Robótica, posee un Máster en Ingeniería Biomédica y actualmente está inmerso en un doctorado centrado en el desarrollo de un sistema wearable para la predicción de glucosa en sangre mediante redes neuronales. En paralelo, desempeña el rol de ingeniero de visión por computadora con inteligencia artificial en Arcelormittal Global R&D. Sus habilidades destacan en la optimización del consumo de redes neuronales, así como en la aplicación de inteligencia artificial a imágenes y en el ámbito de la inteligencia artificial generativa.
