Mikel Sesma Sara.
NAVARRAINFORMACIÓN.ES
El matemático Mikel Sesma Sara (Pamplona, 1991) ha construido un modelo teórico para fusionar información proveniente de múltiples fuentes, que resulta de utilidad en el ámbito de la inteligencia artificial y la ciencia de datos
Este desarrollo establece “relaciones entre datos hasta ahora no estudiadas”, según su autor, que, con esta investigación, se ha doctorado en la Universidad Pública de Navarra (UPNA). Los avances de este trabajo se han aplicado en problemas de procesamiento de imagen, como la detección automática de contornos de objetos, y en modelos predictivos de clasificación.
La tesis doctoral, calificada con sobresaliente “cum laude” con mención internacional, ha sido dirigida por Humberto Bustince Sola (catedrático de la UPNA, donde es investigador en el Instituto de Smart Cities-ISC, y profesor honorario de la Universidad de Nottingham, en el Reino Unido) y Radko Mesiar (docente en la Universidad Eslovaca de Tecnología, en Bratislava, Eslovaquia).
Sesma se fijó, dentro del ámbito de la inteligencia artificial y la ciencia de datos, en el “machine learning” o aprendizaje automático, cuyo objetivo es que las computadoras aprendan como lo hacen los seres humanos y mejoren ese proceso de forma autónoma y a lo largo del tiempo. Este conocimiento se obtiene mediante la información contenida en los datos y así se puede mejorar, de forma gradual, el rendimiento de los modelos predictivos y la toma decisiones basadas en dichos datos. Esta tecnología tiene una amplia presencia: desde los filtros anti-spam para correo electrónico, a la conducción automática de vehículos, pasando por el reconocimiento de voz e imágenes.
El ya doctor ha propuesto en su tesis una colección de nuevas formas de monotonía generalizadas, “que son capaces de modelar relaciones entre datos hasta ahora no estudiadas”. “Entre ellas, se encuentran la monotonía direccional ordenada y su versión reforzada, que modelan el crecimiento de funciones a lo largo de direcciones variables; la monotonía basada en curvas; y la monotonía direccional de funciones que, además de datos numéricos, fusionan datos más generales como vectoriales o funcionales. Esta última supone un adelanto en dos tendencias de la teoría de la agregación, la relajación de la condición de monotonía y la generalización a dominios más generales que los numéricos”, afirma el autor de esta investigación.
Antes de doctorarse en la UPNA, Mikel Sesma cursó en la Universidad de Zaragoza, sucesivamente, la licenciatura en Matemáticas y el Máster Universitario en Modelización e Investigación Matemática, Estadística y Computación. Durante la elaboración de su tesis doctoral, completó una estancia de investigación en la ya citada Universidad Eslovaca de Tecnología.
Su labor investigadora se ha visto reflejada en nueve artículos publicados en revistas científicas de alto impacto y en catorce trabajos presentados en congresos internacionales.
En la actualidad, trabaja como investigador en el Departamento de Estadística, Informática y Matemáticas de la UPNA.
