Pedro González García

Pedro González García

Universidad de Jaén
Jaén, España

Investigador

Biografía

Pedro González García trabaja en el Departamento de Ciencias de la Computación de la Universidad de Jaén. Ha sido citado por 1,545 publicaciones y es un investigador líder en minería de datos, particularmente en técnicas de descubrimiento de subgrupos. Su investigación se centra en desarrollar algoritmos evolutivos para problemas complejos de minería de datos, incluyendo aplicaciones de big data y minería de flujos de datos.

Su tesis doctoral analizó en profundidad las tareas de descubrimiento de subgrupos y minería de patrones emergentes para la resolución de problemas complejos, contribuyendo significativamente al campo de la minería de datos descriptiva utilizando técnicas de aprendizaje supervisado.

Enfoque de Investigación

Descubrimiento de Subgrupos: Es un experto líder en descubrimiento de subgrupos (SD), una técnica de minería de datos descriptiva que utiliza aprendizaje supervisado. Su investigación se centra en desarrollar algoritmos evolutivos para aplicaciones SD en varios dominios.

Big Data y Flujos de Datos: Su trabajo aborda desafíos complejos en entornos de big data y flujos de datos continuos, desarrollando algoritmos escalables para aplicaciones del mundo real.

Algoritmos Evolutivos: Se especializa en aplicar técnicas de computación evolutiva a problemas de minería de datos, con énfasis particular en enfoques de optimización multiobjetivo.

Sistemas Difusos: Su investigación incorpora lógica difusa y sistemas difusos evolutivos para el descubrimiento mejorado de patrones y extracción de reglas en conjuntos de datos complejos.

Algoritmos y Contribuciones Clave

MEFASD-BD: Algoritmo difuso evolutivo multiobjetivo para descubrimiento de subgrupos en entornos de big data - Una solución MapReduce (Knowledge-Based Systems)

MEFES: Propuesta evolutiva para la detección de excepciones en descubrimiento de subgrupos con aplicaciones a Tecnología Fotovoltaica Concentradora

MOEA-EFEP: Algoritmo Evolutivo Multi-Objetivo para la Extracción de Patrones Emergentes Difusos

Paquete SDEFSR: Contribuyente al paquete R para Descubrimiento de Subgrupos con Sistemas Difusos Evolutivos

Aplicaciones de Investigación

  • Minería de Datos de E-learning - Aplicación de descubrimiento de subgrupos a sistemas de gestión de aprendizaje
  • Aplicaciones Ambientales - Optimización de Tecnología Fotovoltaica Concentradora
  • Bioinformática - Descubrimiento de patrones en conjuntos de datos biológicos
  • Analítica de Big Data - Algoritmos escalables para minería de datos a gran escala

Desarrollo de Software

  • Paquete SDEFSR para R - “Subgroup Discovery with Evolutionary Fuzzy Systems in R: the SDEFSR Package” (The R Journal)
  • Soluciones MapReduce - Implementaciones de big data de algoritmos de descubrimiento de subgrupos

Áreas de Investigación

Ciencia de Datos | Big Data | Aprendizaje Automático | Soft Computing | Algoritmos Evolutivos | Lógica Difusa | Redes Neuronales | Aplicaciones Ambientales | Bioinformática

Intereses

Descubrimiento de Subgrupos | Minería de Datos | Algoritmos Evolutivos | Big Data | Sistemas Difusos

Enlaces