Investigaciones recientes:
La investigación se centra en la aplicación de aprendizaje automático avanzado y análisis de datos para resolver problemas complejos en educación, ciberseguridad y gestión empresarial. Una parte significativa del trabajo implica el desarrollo de modelos predictivos y sistemas de recomendación para mejorar el éxito estudiantil, optimizar la selección de cursos y analizar el impacto de factores socioeconómicos y el estrés en el rendimiento académico. Metodológicamente, esto incluye el uso de reducción de dimensionalidad, factorización de matrices y aprendizaje en conjunto (ensemble learning) para abordar la escasez de datos y mejorar la precisión de la clasificación. En el ámbito de la ciberseguridad y la ingeniería de software, la investigación explora sistemas de detección de intrusiones, detección de olores de código y el uso de técnicas OSINT para el descubrimiento de identidades, enfatizando la importancia de la calidad de los datos, la interpretabilidad y el cumplimiento normativo en la protección de datos personales. Además, el trabajo integra algoritmos bioinspirados para el muestreo de redes y arquitecturas de aprendizaje profundo para el diagnóstico de imágenes médicas y el análisis de señales fisiológicas, como la detección de fatiga. Al cerrar la brecha entre los marcos teóricos y los datos empíricos, estos estudios proporcionan soluciones escalables, reproducibles e interpretables para desafíos del mundo real, que van desde la detección de fraudes en seguros médicos hasta la progresión profesional docente y la toma de decisiones institucionales.

Temas Clave:

• Aprendizaje Automático y Análisis Predictivo
• Analítica de Aprendizaje y Minería de Datos Educativos
• Sistemas de Recomendación y Reducción de Dimensionalidad
• Ciberseguridad y Privacidad de Datos
• Aprendizaje en Conjunto y Optimización de Modelos
• Calidad de Software y Análisis de Código
• Inteligencia de Negocios y Sistemas de Apoyo a la Decisión