Investigaciones recientes:
La investigación se centra en la intersección de la ingeniería automotriz, la movilidad urbana y el modelado computacional avanzado. Una parte significativa del trabajo se dedica a optimizar el rendimiento y la eficiencia energética de los vehículos, utilizando algoritmos de aprendizaje automático —como K-Nearest Neighbors, árboles de decisión y redes neuronales— para clasificar patrones de conducción, predecir el consumo de combustible y estimar las emisiones de contaminantes en condiciones reales de circulación. Estos estudios incorporan variables dinámicas como la aceleración, los cambios de marcha y factores topográficos para proporcionar modelos robustos tanto para vehículos de combustión interna como eléctricos.

Más allá del análisis a nivel de vehículo, la investigación se extiende a la planificación urbana y la analítica del transporte. Aprovechando los datos de sensores de teléfonos inteligentes y GPS, se han desarrollado nuevas metodologías para clasificar modos de transporte y comprender patrones de movilidad, contribuyendo a una gestión más eficiente del tráfico urbano y a la optimización del transporte público. Además, el trabajo explora la integración de tecnologías inmersivas, específicamente la realidad virtual y la inteligencia artificial, para mejorar los enfoques pedagógicos en el aprendizaje de idiomas y la educación técnica. Este marco multidisciplinario cierra la brecha entre el diagnóstico técnico de ingeniería y la aplicación práctica de la ciencia de datos para mejorar la calidad de vida urbana y los resultados educativos.

Temas Clave:

• Ingeniería automotriz y eficiencia energética
• Aprendizaje automático para movilidad y análisis de patrones de conducción
• Analítica de tráfico urbano y transporte
• Modelado de emisiones contaminantes en condiciones reales
• Tecnología educativa inmersiva y tutoría inteligente