Trayectoria de investigación
El Grupo de Investigación en Optimización Matemática y Computacional (OPTIMACO) de la Universidad Nacional Mayor de San Marcos desarrolla una trayectoria de investigación orientada al estudio, desarrollo y aplicación de métodos de optimización matemática y computacional para abordar problemas de interés científico y tecnológico.
A lo largo de los años, los proyectos de investigación desarrollados por el grupo han permitido consolidar diversas líneas de trabajo vinculadas con la optimización continua y convexa, análisis numérico, matemática aplicada, programación matemática, optimización en variedades, modelos de clasificación, inteligencia artificial y aprendizaje automático.
Esta trayectoria refleja la evolución de las investigaciones de OPTIMACO y la incorporación progresiva de nuevas herramientas matemáticas y computacionales. Los proyectos abarcan desde estudios de carácter fundamental y desarrollo de nuevos algoritmos hasta investigaciones orientadas a aplicaciones concretas en áreas como Machine Learning, procesamiento de imágenes, clasificación de datos, recursos naturales, sistemas y otros problemas científicos y tecnológicos.
La presente sección reúne los proyectos de investigación desarrollados por OPTIMACO durante los diferentes años, permitiendo conocer su evolución, las principales áreas de investigación abordadas y la participación de sus investigadores. Cada proyecto constituye una contribución al fortalecimiento de la investigación científica y a la formación de nuevos investigadores en el ámbito de la optimización matemática y computacional.
A través de esta producción científica, OPTIMACO reafirma su compromiso con la generación de conocimiento, el desarrollo de metodologías innovadoras y la aplicación de las matemáticas y la computación para contribuir a la solución de problemas de relevancia científica y tecnológica.
Proyectos de Investigación
Conoce los proyectos desarrollados por OPTIMACO, orientados a la optimización matemática, inteligencia artificial, aprendizaje automático y sus aplicaciones en problemas científicos y tecnológicos.
Nuevos Algoritmos para Programación Cónica de Segundo Orden No Lineal y su Aplicación en Modelos Robustos de Clasificación
Desarrollo de nuevos algoritmos para programación cónica no lineal aplicados a modelos robustos de clasificación en Machine Learning.
Nuevos Modelos de Clasificación en Máquinas de Vectores Soporte Aplicados a la Detección de Cáncer de Próstata
Investigación enfocada en nuevos modelos de clasificación mediante Máquinas de Vectores Soporte para mejorar el diagnóstico del cáncer de próstata mediante Inteligencia Artificial.
Sistema de Analítica del Aprendizaje Multimodal Basado en Inteligencia Artificial para Fomentar el Aprendizaje Autónomo a través de Laboratorios Remotos
Desarrollo de herramientas inteligentes para fortalecer el aprendizaje autónomo mediante analítica del aprendizaje y laboratorios remotos.
Algoritmos Riemannianos de Optimización para Modelos de Clasificación en Machine Learning
Desarrollo de algoritmos de optimización sobre variedades riemannianas para mejorar modelos de aprendizaje automático.
Clasificación del Rendimiento Físico del Café mediante Procesamiento de Imágenes usando Inteligencia Artificial
Aplicación de visión por computadora e Inteligencia Artificial para evaluar la calidad del café mediante imágenes digitales.
Prototipo de Aplicativo Móvil de un Sistema de Gestión de Transporte Universitario en la UNMSM
Desarrollo de un aplicativo móvil para optimizar la gestión del transporte universitario.
Optimización Numérica para Modelos de Clasificación en Machine Learning
Desarrollo de algoritmos avanzados de optimización numérica aplicados a modelos de clasificación en Machine Learning con aplicaciones en problemas científicos de alta complejidad.
Método Subgradiente para Minimizar Funciones Cuasi-Convexas en Variedades Riemannianas: Aplicación a un Problema de Terapia por Radiación
Investigación sobre algoritmos de optimización para aplicaciones en terapia por radiación.