Data Science Institute

Colegio de Administración de Empresas
Acerca de nosotros

El Data Science Institute es una entidad sin personalidad jurídica que fomenta la investigación en todas las áreas de la ciencia de datos y sus aplicaciones para la resolución de problemas reales.

Intereses de investigación

Inteligencia artificial, machine learning, data analytics, big data, optimización, simulación, computación evolutiva, data mining, reconocimiento de patrones, control predictivo, investigación por encuestas, survey science, análisis del comportamiento.

Equipo
Misión

Dar solución a problemas reales.

Visión

Ser el instituto líder en investigación y aplicación de data science a nivel nacional.

Programas

Imagen eliminada.

Maestría en Gerencia de Datos y Negocios

Este programa tiene por objetivo formar profesionales capaces de estructurar, formular y resolver complejos problemas reales que se presentan a nivel operativo, táctico y estratégico, mediante la aplicación de métodos analíticos y numéricos para extraer información relevante que permita tomar decisiones adecuadas en el ámbito empresarial.

Investigación

En proceso:


Principal Component Analysis Formulations to Tackle Complex Real-world Optimization Problems


New gender-based crossover operator for single and multiobjective evolutionary optimisation


A new repair operator for constrained optimisation


Intelligent predictive data analysis techniques applied to dropping out of university studies


Respect Factor Research--The Respect Project--Latin America


Geographic, economic, and cultural predictors of health disparities


Evaluating the Quality of the SIPP and the ATUS Using Administrative Records and Paradata


Concluidos:


Incorporación de preferencias en el diseño automático de algoritmos para optimización multiobjetivo


Integrating Meta-Heuristics, Simulation and Exact Techniques for Production Planning of a Failure-Prone Manufacturing System


"Big Data Meets Survey Science" Special Issue


Exploring New Statistical Frontiers at the Intersection of Survey Science and Big Data: Convergence at “BigSurv18?”


Memory Gaps in the American Time Use Survey. Are Respondents Forgetful or is There More to it?


Capítulo "Calendar and time diary methods: tools to assess well-being in the 21st century" para libro Innovative Research Methods in Health Social Sciences


Publicaciones


Diaz, Juan Esteban, & López-Ibáñez, Manuel. 2020. Incorporating Decision-Maker's Preferences into the Automatic Configuration of Bi-Objective Optimisation Algorithms. European Journal of Operational Research. In press. https://doi.org/10.1016/j.ejor.2020.07.059


Diaz, Juan Esteban, & López-Ibáñez, Manuel. 2020. Incorporating Decision-Maker's Preferences into the Automatic Configuration of Bi-Objective Optimisation Algorithms. Zenodo. http://doi.org/10.5281/zenodo.3749288


Diaz, Juan Esteban., Handl, Julia., Xu, Dong-Ling, 2018. Integrating meta-heuristics, simulation and exact techniques for production planning of a failure-prone manufacturing system. European Journal of Operational Research 266, 976–989. https://doi.org/10.1016/j.ejor.2017.10.062


Espinoza Aguirre, C. B., & Iñiguez Matute, P. F. (2018). Implementación de Gobierno de TI. Editorial USFQ, 6(1), 25. Peer Review.


C. Espinoza-Aguirre and D. Pillo, "IT governance model for public institutions with a focus on higher education," 2018 13th Iberian Conference on Information Systems and Technologies (CISTI), Caceres, 2018, pp. 1-14, https://doi: 10.23919/CISTI.2018.8399248


Aguirre, C. B. E., & Iñiguez, P. F. (2018). Gobierno de Tecnologías de la Información (TI) como aliado del Negocio. Editorial Académica Española.


Hill, C. A., Biemer, P., Buskirk, T., Callegaro, M., Córdova-Cazar, A. L., Eck, A., Japec L., Kirchner A., Kolenikov S., Lyberg L., & Sturgis, P. (2019, April). Exploring New Statistical Frontiers at the Intersection of Survey Science and Big Data: Convergence at “BigSurv18”. In Survey Research Methods (Vol. 13, No. 1, pp. 123-134). http://dx.doi.org/10.18148/srm/2019.v1i1.7467


Eck, A., Córdova-Cazar, A.L., Callegaro, M., & Biemer, P. (2019). Big Data Meets Survey Science. Social Science Computer Review, 1, 5. https://doi-org.libproxy.unl.edu/10.1177/0894439319883393


Servicios

Consultorías en:

  • Inteligencia artificial
  • Machine learning
  • Data analytics
  • Big data
  • Optimización
  • Simulación
  • Computación evolutiva
  • Data mining
  • Reconocimiento de patrones
  • Control predictivo
  • Investigación por encuestas
  • Survey science
  • Análisis del comportamiento
  • Diseño de cuestionarios
contact image
Contacto