Skip to content
Gabriel Valverde

Gabriel Valverde

PhD student

Licenciado en Matemáticas con especialización en Geometría y Licenciado en Ciencias y Técnicas Estadísticas. Master en Ingeniería Matemática por la UCM en 2014, disfrutando de una beca de colaboración en ¨Aplicación de técnicas Big Data a Investigación Operativa”, mi primera incursión en Big Data.  Estudiante de doctorado en Inteligencia Artificial en la UPM con título de tesis "Aprendizaje por refuerzo causal en sistemas IoT”.

Cuento con más de 6 años de experiencia en trabajos relacionados con la aplicación de las Matemáticas y Estadística, la Inteligencia Artificial (con especial hincapié en Deep Learning) y el análisis avanzado en el ámbito Big Data. Mi aportación se sustenta en el amplio conocimiento sobre todas las áreas y técnicas de Big Data, el campo del Probabilistic Programming y Deep Learning desde una perspectiva ligada a las teorías de la computación (programación distribuida, programación funcional, orientada a objetos, gestión de bases de datos, bases de datos no estructuradas), matemáticas (topología, geometría computacional, ecuaciones en derivadas parciales, métodos numéricos, algoritmos de optimización, teoría de la medida, teoría de categorías) y estadística (metodología bayesiana) que los sostienen. Además, tengo experiencia docente en estos ámbitos y capacidad para desarrollar proyectos de investigación y empresariales en marketing, medicina, ámbito financiero, industriales e ingenieriles (IoT y smart cities).

Experiencia:

- Universidad Complutense de Madrid, Profesor Asociado, 10/2020 - Presente:
• Impartición de asignaturas en el Grado en Informática, Grado en Farmacia, Grado en Matemáticas y Grado en Estadística.

  • Desarrollo de proyectos de investigación en el ámbito de la ciencia de datos y la inteligencia artificial.

- Datais (spin off de Visualitics), Machine Learning Lead, 05/2020 - Presente:
• Formación, desarrollo y mentorización de proyectos relacionados con el desarrollo e implementación de modelos causales y soluciones de machine learning en el ámbito de IoT, ingeniería e industria.

- Universidad Politécnica de Madrid, Investigador, 02/2019 - Presente:
• Participación en proyectos de investigación relacionados con redes bayesianas, modelos gráficos probabilísticos, deep learning, estadística funcional y proyectos de ingeniería.
- Colegio Universitario de Estudios Financieros - CUNEF (UCM), Profesor Asociado, 09/2016 - Presente:

  • Impartición de asignaturas en el Máster en Data Science para Finanzas y Programa Ejecutivo en Data Science.

Publicaciones en Revistas

Proyectos

  • Beca de colaboración: Aplicación de técnicas de optimización y Big Data al problema de búsqueda de homologías en bases de datos biológicas. Entidad de realización: MINISTERIO DE EDUCACION Y CIENCIA Ciudad entidad realización: Madrid, Comunidad de Madrid, España Nombres investigadores principales (IP, Co-IP,...): Begoña Vitoriano Villanueva; Juan Tejada Cazorla Nº de investigadores/as: 3 Fecha de inicio-fin: 01/10/2013 - 01/10/2014
  • DSTREAMS: Investigación y desarrollo de metodología en la Inteligencia Artificial orientado a casos industriales de uso de datos continuos de ultra-alta velocidad Grado de contribución: Investigador/a Nombres investigadores principales (IP, Co-IP,...): Pedro Larrañaga Mugica; Concepción Bielza Lozoya Nº de investigadores/as: 5 7fd4a906da0d48c6ce1e27eb83ebf448 10 Fecha de inicio: 01/01/2021
  • Acuerdo de Colaboración UPM y Repsol S.A Grado de contribución: Investigador/a Nombres investigadores principales (IP, Co-IP,...): Pedro Larrañaga Nº de investigadores/as: 4 Entidad/es participante/s: Repsol YPF, S.A.; Universidad Complutense de Madrid Fecha de inicio: 01/02/2019 Duración: 11 meses
  • Monitorización y análisis del cambio social a partir de Big Data Grado de contribución: Titulado/a universitario/a en formación Entidad/es participante/s: Comunidad de Madrid; Universidad Complutense de Madrid Fecha de inicio: 01/01/2016 Duración: 3 años - 5 meses Cuantía total: 11.146 €

Presentaciones en Conferencias