Investigaciones recientes:
La investigación abarca una amplia gama de estudios computacionales y ambientales destinados a abordar brechas críticas en datos y modelado. En el campo del procesamiento de lenguaje natural, los esfuerzos se han centrado en ampliar las capacidades de los modelos secuencia a secuencia para el idioma español, específicamente mediante la implementación y evaluación de arquitecturas codificador-decodificador como BART y T5 en diversas tareas generativas. Complementariamente, la investigación en reconocimiento de emociones multilingüe ha abordado la disparidad causada por el predominio de idiomas de altos recursos mediante la introducción de extensos conjuntos de datos multietiquetados para idiomas de bajos recursos en África, Asia y América Latina. Este trabajo evalúa la eficacia de dichos conjuntos de datos en el reconocimiento de la intensidad emocional y la integración de modelos de lenguaje de gran escala. Además, la investigación se extiende a las ciencias ambientales y agrícolas, donde se evalúa el impacto del cambio climático en la productividad de cultivos en terrenos complejos, como los Andes Centrales Tropicales. Al modelar escenarios climáticos futuros y la disponibilidad de agua, estos estudios proporcionan conocimientos esenciales para desarrollar estrategias agrícolas adaptativas y gestionar los recursos hídricos frente a los cambios climáticos proyectados.

Temas Clave:

• Reconocimiento de emociones multilingüe
• Modelado de lenguaje secuencia a secuencia
• Impacto del cambio climático en la agricultura
• Construcción de conjuntos de datos de emociones para idiomas de bajos recursos
• Arquitecturas de transformadores codificador-decodificador
• Productividad de cultivos bajo escenarios climáticos