El grupo de investigación Optimización Matemática y computacional (OPTIMACO) está formado por investigadores de primer nivel en la línea de investigación que cuentan con diversas publicaciones a nivel internacional en revistas indexadas con factor de impacto.
Fundadores del grupo OPTIMACO
Generar conocimiento científico mediante la investigación en optimización matemática y computacional, desarrollando soluciones innovadoras que contribuyan al avance de la ciencia, la tecnología y la sociedad.
Consolidarnos como un grupo de investigación referente a nivel nacional e internacional en optimización matemática, inteligencia artificial y computación científica, promoviendo la excelencia académica, la innovación y la colaboración interdisciplinaria.
Desarrollar investigación científica en optimización matemática.
Diseñar nuevos algoritmos numéricos.
Aplicar técnicas de optimización numérica para modelos de clasificación en Machine Learning e Inteligencia Artificial.
Promover la publicación de artículos científicos.
Fortalecer la formación de investigadores.
Impulsar la colaboración entre universidades nacionales e internacionales.
Transferir conocimiento hacia la solución de problemas reales.
Formar investigadores en diversas líneas de investigación.
Asesorar Tesis de Maestría y doctorado.
Desarrollar proyectos de investigación.
Optimización convexa.
Optimización no convexa.
Optimización continua.
Complejidad computacional de los algoritmos.
Modelo de clasificación en Machine Learning.
Programación matemática.
Optimización multiobjetivo.
Optimización en variedades Riemanniana.
Optimización Cónica.
Optimización Vectorial.
| Nombres | Condición | Código orcid | Google Scholar | CTI Vitae |
|---|---|---|---|---|
|
PAPA QUIROZ, ERIK ALEX |
Titular |
|||
|
ARCE HUAMAN, LENIN FROY |
Titular |
|||
|
CANO LENGUA, MIGUEL ANGEL |
Titular |
|||
|
MEDINA AGUILAR, ROSA LUZ |
Titular |
|||
|
MONTORO ALEGRE, EDINSON RAUL |
Titular |
|||
|
PEREZ BARTUREN, ELVIA |
Titular |
|||
|
AGUILAR MORÁN, MILEYND JESÚS |
Adherente |
– |
||
|
CABALLERO CANTU, JOSÉ JEREMÍAS |
Adherente |
– |
||
|
CASTILLO VENTURA, ESTÉFANY |
Adherente |
– |
||
|
CRUZ CABRERA, CARLOS ROBINSON |
Adherente |
– |
– |
|
|
CRUZADO ACUÑA, SEGUNDO |
Adherente |
– |
||
|
CRUZADO QUISPE, EVER FRANKLIN |
Adherente |
– |
||
|
DILAS JIMENEZ, JOSUE OTONIEL |
Adherente |
– |
– |
|
|
HUAMÁN ÑAUPA, JOSÉ LUIS |
Adherente |
– |
– |
|
|
LÓPEZ LUIS, JULIO CESAR |
Adherente |
– |
||
|
MONTORO ALEGRE, ALI DAVID |
Adherente |
– |
||
|
PONCE ATENCIO, YALMAR TEMISTOCLES |
Adherente |
– |
||
|
PORTAL CUENTAS, MARIA TERESA |
Adherente |
– |
– |
|
|
QUISPE CÁRDENAS, ELSA MARISA |
Adherente |
– |
– |
|
|
REYNAGA BUITRÓN, FRANZ RICHARD |
Adherente |
– |
||
|
RIOS CORTEGANA, JHON ERICK |
Adherente |
– |
||
|
RISCO GUILLEN, FACTOR |
Adherente |
– |
||
|
SOLIS LASTRA, JAVIER ULISES |
Adherente |
– |
Lista del equipo
Presentaciones
Dr. Erik Alex Papa Quiroz
Correo: epapaq@unmsm.edu.pe
Erik Alex Papa Quiroz es matemático, profesor catedrático y científico peruano. Cursó sus estudios superiores en la Facultad de Ciencias Naturales y Matemática de la Universidad Nacional del Callao, donde obtuvo la Licenciatura en Ciencias Matemáticas en el año 2002, bajo la asesoría del Dr. Ángel Coca Balta.
Fue becado por la Universidad Federal de Río de Janeiro, Brasil, para realizar estudios de Maestría y Doctorado en Ingeniería de Sistemas y Computación. En el año 2007 sustentó su tesis doctoral bajo la asesoría del Dr. Paulo Roberto Oliveira.
Es especialista en Optimización Matemática, investigador RENACYT del CONCYTEC y miembro del Colegio de Matemáticos del Perú. Su producción científica comprende numerosos artículos publicados en revistas y congresos nacionales e internacionales, así como libros especializados en temas de Optimización Matemática.
Asimismo, ha desarrollado trabajos de investigación en el área de Seguridad de la Información, relacionados con el DNI electrónico, las firmas remotas y los algoritmos de curvas elípticas.
Inició su labor como docente universitario en la Facultad de Ciencias Naturales y Matemática de la Universidad Nacional del Callao en el año 2007. Actualmente, se desempeña como profesor principal en la Universidad Nacional Mayor de San Marcos.
Ha realizado estudios posdoctorales en Francia (2012) y Brasil (2014), becado por el CONCYTEC y la Embajada de Francia, así como por la Universidad Federal de Río de Janeiro, respectivamente.
Ha sido profesor visitante en diversas instituciones nacionales e internacionales, entre ellas la Université Sorbonne de París (2025), la École des Mines de Paris (2025), la Universidad Federal de Río de Janeiro (2010-2017), la Universidad Diego Portales de Chile (2010-2026), la Universidad Federal de Goiás de Brasil (2022-2023), la Universidad Nacional de San Agustín de Arequipa (2019), la Universidad Nacional del Altiplano de Puno (2014) y la Universidad Nacional San Luis Gonzaga de Ica (2018).
En el ámbito social y cultural, es socio de la institución Movimiento de Promoción y Desarrollo de Malvas, de la cual ha ejercido la presidencia durante los periodos 2012-2014 y 2016-2020. Durante su gestión, realizó diversas labores sociales, deportivas y culturales en beneficio del pueblo de Malvas.
Premios y reconocimientos
- Mejor Tesis Doctoral PESC-COPPE-UFRJ (2008). PESC: Programa de Engenharia de Sistemas e Computação; COPPE: Coordenação de Programas de Pós-Graduação e Pesquisa em Engenharia; UFRJ: Universidade Federal do Rio de Janeiro.
- Beca CONCYTEC de Apoyo a la Movilidad de Doctores, Posdoctorantes y Científicos Peruanos (2011).
- Condecoración en el grado de Honor al Mérito (2016), otorgada por su contribución a la promoción de la cultura de Áncash y por su destacada labor al servicio de la sociedad, la ciencia y la cultura.
- Best Paper Award del Journal of Operations Research Society of China (2018).
- Premio al Mejor Paper 2020, otorgado por la Universidad Privada del Norte (2020).
- Reconocimiento por destacada labor como Asesor de Tesis de Pregrado durante el periodo 2019-2020, otorgado por la Facultad de Ciencias Matemáticas de la Universidad Nacional Mayor de San Marcos.
- Reconocimiento por destacada labor como Asesor de Tesis de Posgrado durante el periodo 2019-2020, otorgado por la Facultad de Ciencias Matemáticas de la Universidad Nacional Mayor de San Marcos.
- Premio a la Investigación 2025, otorgado al mejor proyecto de ciencias Básicas en la Universidad Nacional Mayor de San Marcos.
Dr. Miguel Ángel Cano Lengua
Correo: mcanol@unmsm.edu.pe
Miguel Ángel Cano Lengua es un investigador Renacyt nivel II, docente universitario y especialista peruano en Ingeniería de Sistemas, Inteligencia Artificial y Matemática Aplicada. Es Doctor en Ingeniería de Sistemas e Informática por la Universidad Nacional Mayor de San Marcos (UNMSM), Magíster en Ingeniería de Sistemas por la Universidad Nacional del Callao (UNAC) y Licenciado en Matemática por la misma universidad. Además, cuenta con estudios de especialización en diseño curricular por competencias. Ha desarrollado una destacada trayectoria como docente e investigador en universidades peruanas, participando en proyectos científicos y publicando artículos en revistas y congresos indexados en Scopus y Web of Science. Sus principales líneas de investigación abarcan la inteligencia artificial, aprendizaje automático, máquinas de vectores de soporte, redes neuronales, optimización matemática y marcos metodológicos para proyectos de análisis y mineria de datos CRISP-DM y KDD.
Dentro de su trayectoria participó como:
- Miembro de grupos de investigación enfocados en optimización matemática e inteligencia artificial.
- Autor y coautor de artículos científicos publicados en revistas y congresos nacionales e internacionales.
- Participación como ponente y miembro de comités científicos en eventos académicos.
- Revisor y asesor de trabajos de investigación y tesis universitarias.
- Participó como responsable y co-responsable en proyectos de investigación en la UNMSM.
- Participó como responsable en proyecto de la Universidad Norbert Wiener
- Partipa como coinvestigador en el proyecto de PROCIENCIA contrato N° PE501087025-2024 “PROYECTOS DE INVESTIGACION BÁSICA
Reconocimiento por su contribución al desarrollo de la investigación en inteligencia
Reconocimientos
- Reconocido como DOCENTE DESTACADO 2025-II. por LA UNIDAD DE POSGRADO de la Facultad de Ingeniería de Sistemas e Informática de la UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (UNMSM)
- Reconocido por la Universidad Nacional Del Callao (UNAC) como uno de los graduados más exitosos. Setiembre 2023.
- Reconocido por la Universidad Tecnológica del Perú (UTP) por su excelencia Académica, Setiembre 2024
- Reconocido por la Universidad Tecnológica del Perú (UTP) por su destacado desempeño Académica, Setiembre 2024.
Dr. Julio César López Luis
Correo: julio.lopez@udp.cl
Julio César López Luis es matemático, académico e investigador peruano-chileno, especializado en optimización matemática, programación matemática, machine learning e inteligencia artificial. Su trabajo científico se ha desarrollado tanto en aspectos teóricos y numéricos de la optimización como en el diseño de nuevos modelos de aprendizaje automático, particularmente en clasificación, regresión, selección de características y aprendizaje robusto.
Biografía
Realizó sus estudios universitarios en la Facultad de Ciencias Físicas y Matemáticas de la Universidad Nacional de Trujillo, Perú, donde obtuvo el Bachillerato en Ciencias Matemáticas en el año 2000 y el título profesional en Matemáticas en 2001. Posteriormente, obtuvo en la misma universidad el grado de Magíster en Ciencias con mención en Matemáticas en 2003.
En 2009 obtuvo el grado de Doctor en Ciencias de la Ingeniería, mención Modelación Matemática, en el Departamento de Ingeniería Matemática de la Universidad de Chile. Su investigación doctoral, desarrollada bajo la supervisión de los profesores Felipe Álvarez y Héctor Ramírez, se centró en programación cónica y en el estudio de métodos de optimización de métrica variable. Durante sus estudios doctorales fue beneficiario de una beca MECESUP y posteriormente de una Beca de Término de Tesis de CONICYT.
Entre 2009 y 2011 realizó investigación postdoctoral en el Departamento de Ingeniería Matemática de la Universidad de Chile, financiada mediante un proyecto FONDECYT de Postdoctorado dedicado al desarrollo de algoritmos numéricos para optimización no diferenciable y desigualdades variacionales sobre conos de segundo orden. Entre 2011 y 2012 se desempeñó como investigador y profesor en el Departamento de Matemática de la Universidad Técnica Federico Santa María. Desde 2012 forma parte del Instituto de Ciencias Básicas de la Universidad Diego Portales, inicialmente como Profesor Asistente y, desde 2019, como Profesor Asociado.
Sus primeras líneas de investigación se concentraron en optimización continua y numérica, programación cónica de segundo orden, programación semidefinida, optimización sobre conos simétricos, análisis convexo, problemas de complementariedad y métodos de punto interior y proximales. En estas áreas ha estudiado tanto propiedades teóricas como el diseño y análisis de algoritmos para problemas de optimización convexa y no diferenciable.
Posteriormente, su investigación se extendió hacia la aplicación de técnicas de optimización matemática al machine learning y la inteligencia artificial. En esta línea ha desarrollado y estudiado modelos de Support Vector Machines para clasificación y regresión, métodos robustos y multiclase, selección de características, sparse learning y formulaciones basadas en programación cónica y optimización no convexa. Estas metodologías han sido utilizadas en diversas aplicaciones, entre ellas clasificación de datos desbalanceados y de alta dimensión, credit scoring, predicción de fuga de clientes, clasificación hidroacústica de peces, análisis de señales, series de tiempo y problemas de optimización estructural.
Su producción científica comprende 57 artículos publicados en revistas internacionales indexadas ISI/WoS y posee un índice h de 20 de acuerdo con Scopus. Sus investigaciones han sido publicadas en revistas internacionales de reconocido prestigio en optimización, investigación de operaciones, reconocimiento de patrones, machine learning e inteligencia artificial, entre ellas Pattern Recognition, European Journal of Operational Research, Information Sciences, Decision Support Systems, Expert Systems with Applications, Knowledge-Based Systems, Neurocomputing, Applied Soft Computing, Applied Intelligence, Annals of Operations Research, Optimization, Optimization Methods and Software, Journal of Global Optimization, Journal of Optimization Theory and Applications, Computers & Structures y Journal of Convex Analysis, entre otras.
A lo largo de su carrera ha mantenido una participación sostenida en proyectos competitivos de investigación nacionales e internacionales. Su trayectoria como investigador responsable incluye un FONDECYT de Postdoctorado, el proyecto FONDECYT de Iniciación N.º 11110188 y dos proyectos FONDECYT Regular. Fue Investigador Responsable del FONDECYT Regular N.º 1160894 y actualmente dirige el FONDECYT Regular N.º 1230694, “Study of novel robust optimization models in classification problems”, ambos vinculados al desarrollo de métodos de optimización y sus aplicaciones en clasificación robusta.
Asimismo, ha participado como coinvestigador en diversos proyectos FONDECYT Regular en áreas de optimización matemática, Support Vector Machines, business analytics y selección de características. Actualmente participa en el proyecto FONDECYT Regular N.º 1251860, “Robust Models for Feature Selection in Machine Learning”. Su actividad investigadora incluye también participación en redes y proyectos internacionales como STIC-AmSud y MATH-AmSud, además de colaboraciones científicas con investigadores de Chile, Perú, España y otros países.
Los resultados de sus investigaciones han sido presentados en numerosos congresos nacionales e internacionales de optimización, matemática aplicada, investigación de operaciones y ciencia de datos. Ha participado, entre otros, en congresos y encuentros científicos organizados por IFORS, EURO, CLAIO, ICCOPT, ISMP, ISORA, y OPTIMA, así como en diferentes reuniones científicas realizadas en América Latina, Europa, Norteamérica y Asia.
Junto con su actividad investigadora, ha participado activamente en la formación de estudiantes de pregrado y postgrado, supervisando trabajos en optimización matemática, clasificación, regresión, Support Vector Machines y machine learning. Esta labor ha incluido estudiantes de universidades de Chile y España.
También mantiene una activa participación en la comunidad científica internacional mediante labores editoriales y de evaluación científica. Desde 2021 es Associate Editor de Expert Systems with Applications, revista internacional de Elsevier especializada en inteligencia artificial y sistemas inteligentes. Asimismo, se desempeña regularmente como revisor de numerosas revistas internacionales en optimización, investigación de operaciones, machine learning e inteligencia artificial, entre ellas Journal of Optimization Theory and Applications, Optimization, Optimization Methods and Software, Computational and Applied Mathematics, Optimization Letters, Journal of Mathematical Analysis and Applications, Information Sciences, Machine Learning, Applied Soft Computing, Applied Intelligence, Engineering Structures y Expert Systems with Applications, entre otras.
Premios y reconocimientos
En 2011 recibió el Charles Broyden Prize, reconocimiento otorgado al mejor artículo publicado durante el año 2010 en la revista Optimization Methods and Software. Este trabajo estuvo relacionado con el desarrollo de un algoritmo proximal interior de métrica variable para programación cónica de segundo orden y sus aplicaciones a optimización estructural y Support Vector Machines.
En 2018 y 2025 recibió el Premio a la Excelencia Docente del Programa de Ciencias Básicas de la Universidad Diego Portales, en reconocimiento a su labor académica y docente.
A lo largo de su trayectoria, ha combinado el estudio teórico y numérico de problemas de optimización con el desarrollo de modelos de machine learning e inteligencia artificial, manteniendo una producción científica sostenida, participación continua en proyectos competitivos de investigación, colaboración científica internacional y una activa labor en la formación de estudiantes y en la comunidad científica.
Mg. Factor Risco Guillén
Biografía
Factor Risco Guillén es un matemático, docente universitario peruano, especialista en optimización numérica aplicada a modelos de clasificación en machine learning. Cursó estudios superiores en la Facultad de Minas, Geología y Civil de la Universidad Nacional de San Cristóbal de Huamanga (UNSCH), donde obtuvo la licenciatura en Ciencias Físico Matemáticas, mención Matemática, en el año 2021, bajo la asesoría del Dr. Juan Alfredo Huamanchaqui Quispe. Posteriormente fue becado por la Universidade Federal de Juiz de Fora (UFJF), Brasil, para realizar estudios de maestría en Matemática Aplicada, sustentando su tesis en el año 2020 bajo la asesoría del Dr. Wilhelm Passarella Freire. Actualmente es candidato al grado de Doctor en Matemática Pura por la Facultad de Ciencias Matemáticas de la Universidad Nacional Mayor de San Marcos (UNMSM), programa en el que ha obtenido el primer puesto por su destacado desempeño académico. En el ámbito docente, fue profesor en la Universidad Nacional José María Arguedas (Andahuaylas) el año 2022; ha sido profesor en la Facultad de Ciencias Económicas de la UNMSM desde 2023 hasta 2025, y en el semestre 2026-1 fue profesor en la Facultad de Química e Ingeniería Química de la UNMSM; actualmente es profesor contratado en la Universidad Científica del Sur.
Investigación
Factor Risco Guillén es miembro del grupo de investigación OPTIMACO — Optimización Matemática y Computación de la UNMSM, y forma parte del equipo del proyecto de investigación básica “Optimización numérica para modelos de clasificación en Machine Learning”, financiado por CONCYTEC a través de PROCIENCIA (Contrato N.º PE501087025-2024-PROCIENCIA). Su línea de investigación se centra en el diseño, implementación y comparación de modelos no paralelos de máquinas de vectores de soporte para problemas de clasificación. Su trayectoria refleja un sólido compromiso con la docencia universitaria, la investigación en optimización matemática y el desarrollo de soluciones aplicadas al Machine Learning, contribuyendo a la formación de profesionales y al fortalecimiento de la investigación científica y tecnológica en el ámbito académico peruano.
Mg. Lenin Froy Arce Huamán
Correo: larceh@unmsm.edu.pe
Docente universitario e investigador peruano, especialista en Inteligencia Artificial y Machine Learning. Es bachiller y licenciado en Investigación Operativa por la Universidad Nacional Mayor de San Marcos (UNMSM), magíster en Ingeniería de Sistemas por la Universidad Nacional del Callao (UNAC) y actualmente cursa estudios de Doctorado en Ingeniería de Sistemas en la Universidad Nacional Mayor de San Marcos.
Cuenta con una destacada trayectoria académica como docente universitario en diversas instituciones de educación superior del Perú, desarrollando actividades de enseñanza, investigación y formación profesional. Sus principales líneas de investigación se orientan al campo de la Inteligencia Artificial, con especial énfasis en Máquinas de Vectores de Soporte (SVM) y Redes Neuronales Convolucionales (CNN).
Experiencia en investigación:
A lo largo de su trayectoria académica y científica, ha participado en diversas actividades y proyectos de investigación, entre los que destacan:
- Miembro del Grupo de Investigación OPTIMACO – Optimización Matemática y Computacional de la UNMSM.
- Participación como responsable y corresponsable de proyectos de investigación desarrollados en la Universidad Nacional Mayor de San Marcos.
- Desarrollo de investigaciones vinculadas a la aplicación de técnicas de Inteligencia Artificial, Machine Learning y optimización computacional.
Reconocimientos académicos:
Su labor docente ha sido reconocida de manera sostenida por diversas instituciones universitarias del país, entre ellas:
- Docente destacado de la Universidad Privada del Norte (UPN) durante el periodo 2019–2025.
- Docente destacado de la Universidad Tecnológica del Perú (UTP) en 2023.
- Docente destacado de la Universidad San Ignacio de Loyola (USIL) en 2025.
Su trayectoria refleja un sólido compromiso con la docencia universitaria, la investigación científica y el desarrollo de soluciones basadas en Inteligencia Artificial, contribuyendo a la formación de profesionales y al fortalecimiento de la investigación tecnológica en el ámbito académico peruano.
Lic. Estéfany Castillo Ventura
Correo: estefany.castillo@unmsm.edu.pe
Estéfany Castillo Ventura es matemática e investigadora peruana. Cursó sus estudios de pregrado en la Facultad de Ciencias Matemáticas de la Universidad Nacional Mayor de San Marcos (UNMSM), donde obtuvo el grado de Bachiller en Matemática Pura, desarrollando su trabajo de tesis en el área de Optimización No Convexa bajo la asesoría del Dr. Erik Alex Papa Quiroz.
Es miembro del grupo de investigación OPTIMACO, a través del cual ha participado en proyectos internacionales de financiamiento competitivo, destacando su labor en el proyecto MATH-AmSud patrocinado por el CONCYTEC (2023). En el marco de esta iniciativa, ha realizado pasantías académicas en Francia (2025) y presentaciones de investigación en eventos internacionales, como el II Workshop Franco-Latinoamericano de Optimización, Aleatoriedad y Matrices realizado en La Paz, Bolivia (2024).
Actualmente, cursa sus estudios de maestría en el Programa de Posgraduación en Ingeniería Eléctrica (área de Ingeniería de Computación) en la Escola Politécnica de la Universidad de São Paulo (POLI-USP), Brasil. Bajo la orientación de la Dra.
Anarosa Alves Franco Brandão , su investigación se enfoca en la intersección entre Tecnología, Matemática y Educación.
Sus líneas de interés comprenden la Optimización Matemática, la Computación Aplicada y el Desarrollo de Tecnologías Educativas, con contribuciones aceptadas en conferencias internacionales de la especialidad.
Lic. Jhon Erick, Rios Cortegana
Licenciado en Matemática | Optimización Matemática y Computacional
Correo: jhon.rios@unmsm.edu.pe
PERFIL PROFESIONAL
Bachiller y Licenciado en Matemática por la Universidad Nacional Mayor de San Marcos (UNMSM), con formación e intereses de investigación en optimización matemática, geometría riemanniana y métodos computacionales. Miembro del grupo de Optimización Matemática y Computacional (OPTIMACO). Sus líneas de interés comprenden la optimización sobre variedades, la extensión de máquinas de vectores de soporte(SVM) a contextos no Euclidianos, así como análisis p-ádico.
FORMACIÓN ACADÉMICA
Universidad Nacional Mayor de San Marcos (UNMSM)
Licenciado en Matemática
Bachiller en Matemática Pura
TESIS DE LICENCIATURA
«Extensión del método subgradiente para funciones cuasiconvexas en variedades riemannianas»
Investigación orientada a la extensión y análisis de métodos de optimización para funciones cuasiconvexas en el contexto de variedades riemannianas.
INVESTIGACIÓN Y PARTICIPACIÓN ACADÉMICA
- Miembro del grupo de Optimización Matemática y Computacional (OPTIMACO).
- Miembro del equipo de investigación del proyecto «Algoritmos Riemannianos de Optimización para Modelos de Clasificación en Machine Learning».
- Participación como ponente sobre el método del subgradiente aplicado a un problema de radioterapia, en el primer seminario del proyecto de movilización Franco-Latinoamericano N.° PE501084010.
- Participación como expositor en talleres y actividades académicas vinculadas con optimización convexa y OPTIMACO.
LÍNEAS DE INTERÉS
- Optimización matemática sobre variedades Riemannianas.
- Métodos de subgradiente y optimización cuasiconvexa.
- Máquinas de vectores de soporte (SVM) extendidas a variedades.
- Métodos numéricos y computacionales para problemas de optimización.
- Análisis p-ádico.
- Ciencias de la Computación y análisis de algoritmos.
PRODUCCIÓN ACADÉMICA
- Dos artículos publicados, uno de ellos indexado en Scopus.
- Rios Cortegana,J.&PapaQuiroz,E.(2026).MétodoGradienteySubgradienteenel Espacio dePoincaréydelasMatricesDefinidasPositivas. RevistaPolitécnica-(DOI: 33333/rp.vol57n1.03).
- Rios Cortegana,J.&PapaQuiroz,E.(2025).EspaciodePoincaréyaproximacióndesus geodésicas. Pesquimat-(DOI:15381/pesquimat.v28.i2.32269).
Lic. Franz Reynaga Buitrón
Correo: franz.reynaga@unmsm.edu.pe
Franz Reynaga Buitrón es bachiller en Ingeniería de Sistemas y licenciado en Matemática. Actualmente culmina la Maestría en Matemática Aplicada, orientando su investigación al desarrollo de modelos de aprendizaje automático fundamentados en optimización matemática.
Su principal línea de investigación se centra en las Máquinas de Vectores de Soporte (Support Vector Machines, SVM), la optimización convexa y el aprendizaje automático, con especial interés en el diseño de modelos de clasificación aplicados a problemas biomédicos. Actualmente desarrolla su tesis de maestría titulada «Modelo de Clasificación en Máquinas de Vectores de Soporte Aplicados a la Detección de Cáncer de Próstata», en la que investiga métodos de clasificación basados en datos clínicos no imagenológicos para contribuir al apoyo de la toma de decisiones en el diagnóstico médico.
En el ámbito académico, sus intereses incluyen la inteligencia artificial, la ciencia de datos, la optimización matemática y sus aplicaciones en salud e ingeniería. Asimismo, participa en actividades de docencia e investigación, promoviendo la integración de herramientas matemáticas y computacionales para la resolución de problemas científicos y tecnológicos.
Lic. Carlos Robinson Cruz Cabrera
Correo: carlos.cruzc@unmsm.edu.pe
Bachiller y Licenciado en Matemática por la Universidad Nacional del Callao (UNAC), donde desarrolló su tesis de licenciatura titulada “El operador p-Laplaciano y el teorema de Minty-Browder”. Actualmente, culmina la Maestría en Matemática Aplicada con mención en Matemática Computacional en la Universidad Nacional Mayor de San Marcos (UNMSM).
Su tesis de maestría, desarrollada bajo la asesoría del Dr. Erik Papa Quiroz, aborda el Problema del Árbol Euclidiano de Steiner mediante técnicas de relajación lagrangiana, formulaciones cónicas de segundo orden y métodos de optimización continua.
Sus principales intereses académicos y de investigación se centran en la optimización matemática y computacional, con especial énfasis en problemas de optimización geométrica, combinatoria y cónica. Asimismo, en el ámbito docente, tiene interés en promover el razonamiento matemático, la resolución de problemas y el uso de herramientas computacionales como apoyo al aprendizaje.
Mileynd Jesús Aguilar Morán
Mileyne Jesús Aguilar Morán es estudiante de la Escuela Profesional de Computación Científica de la Universidad Nacional Mayor de San Marcos (UNMSM).
Como parte de su formación profesional, desarrolla un proyecto PRO-CTIE, reconocido por la Escuela Profesional de Computación Científica como prácticas preprofesionales, de acuerdo con la documentación oficial emitida por la universidad.
Su incorporación a OPTIMACO representa la integración de conocimientos y experiencias orientadas al ámbito de la computación científica, la ciencia y la tecnología, contribuyendo al desarrollo de las actividades y proyectos del grupo.