Logo Departamento de Inteligencia Artificial

Posgrado: Máster y Doctorado

Trabajo de investigación: e-Ciencia en Astronomía


Índice

  1. Presentación
  2. Contenido
  3. Perfil del alumno/a

1. Presentación

Esta página está destinada a orientar a los estudiantes que deseen cursar el Máster de Inteligencia Artificial Avanzada de la UNED y que busquen información sobre el tipo de proyectos de investigación que oferta el profesor Luis M. Sarro como Trabajos Fin de Máster.

Los proyectos que proponemos en esta página están relacionados con lo que se conoce como e-Ciencia: conseguir que las máquinas reproduzcan tareas propias de la investigación científica en escalas para las que la intervención humana no es una elección posible. En el caso de los proyectos ofertados en esta página, el área de conocimiento en el que se desarrollará la investigación es el de la Astronomía y Astrofísica. En este dominio se han venido desarrollando gigantescas bases de datos que comprenden ingentes cantidades de observaciones de objetos del Universos tomadas desde misiones espaciales en órbita o desde telescopios robóticos en la Tierra. El análisis de estos datos no puede ser llevado a cabo con la metodología del siglo XX en la que l@s astrónomo@s analizaban casi artesanalmente observaciones de unos pocos objetos. El objetivo de los trabajos ofertados aquí es el de automatizar en la medida de los posible tareas propias de la investigación científica mediante técnicas de IA en general y de Minería de Datos en particular.
Esta investigación se lleva a cabo en el Dpto. de Inteligencia Artificial de la UNED y en el CISIAD. Dentro de este máster se imparte la asignatura Minería de Datos.

En esta página daremos una perspectiva general sobre el tipo de proyectos que se dirigen en esta línea, sin entrar en detalles que dependerán de la formación específica del estudiante y de la disponibilidad de datos en cada momento.

2. Contenido


Los proyectos ofertados se pueden agrupar en dos líneas generales. Por un lado, tenemos proyectos de Minería de Datos en los que se proponen problemas clásicos de clasificación supervisada o no supervisada para bases de datos astronómicas. Ejemplos clásicos son los de estimar parámetros físicos de objetos celestes (ver por ejemplo el TFM sobre caracterización de enanas ultrafrías con el satélite Gaia presentado en febrero de 2011*) o realizar un análisis de clustering de observaciones astronómicas (ver TFM sobre el agrupamiento de datos en Gaia) Por otra parte, tenemos propuestas consistentes en realizar un modelo de cómo se han generado las observaciones (lo que llamamos un modelo estadístico generativo) e inferir a partir de las observaciones los parámetros de las distribuciones que generaron los datos. Por ejemplo, en el análisis de cúmulos estelares, partimos de conjuntos de datos como los proporcionados por DANCe (que incluyen observaciones fotométricas y astrométricas de millones de objetos) y nuestro objetivo es conocer la distribución probabilística de las propiedades de los miembros de los cúmulos (sólo unos pocos miles de entre los millones de observaciones). En muchos casos, esto requiere la utilización de técnicas de muestreo denominadas MCMC. El TFM puede ser un buen ejemplo de este tipo de trabajos. Por lo general, el tipo de problemas que queremos resolver suele implicar la utilización de soluciones de cálculo distribuido, y en muchas ocasiones, al estar imbricados en colaboraciones internacionales, presentan fuertes condiciones de contorno en lo referente a la implementación, derivadas de los entornos colaborativos en los que se desarrollan.

Aquellos alumnos interesados, pueden ponerse en contacto con el Prof. Sarro, cuyos datos de contacto son los siguientes:

Luis Manuel Sarro Baro (lsb@dia.uned.es)
Dpt. Inteligencia Artificial ETSI Informática - UNED
c/ Juan del Rosal, 16 - 28040 Madrid
Tlf: +34913988715 Fax: +34913988895 Skype:luis.manuel.sarro

3. Perfil del alumno/a

Para esta línea de investigación buscamos, ante todo, alumnos/as a quienes les guste la investigación y sean, además, buenos programadores. Esto significa estudiantes con iniciativa, que hagan suyos los problemas planteados y disfruten buscando soluciones a los problemas concretos que plantee el proyecto.

Es recomendable que el alumno/a que se presente como candidato para realizar este tipo de proyectos reúna las siguientes características:

Antes de presentar su solicitud, asegúrese de que realmente puede dedicarle el tiempo necesario. La experiencia nos dice que son muchos los solicitantes que sobrestiman su disponibilidad de tiempo y acaban engrosando las estadísticas de abandono del máster. Por ello, os recordamos que la asignatura de TFM consta de 30 ECTS o 750 horas equivalentes. A una media de 40 horas semanales (ideal inalcanzable para muchos estudiantes de la UNED) eso representa casi 19 semanas.