w_remecristinasandraSandra Benítez Peña, Cristina Molero Río y Remedios Sillero Denamiel serán la semana del 30 de junio Special Fellows of the Week. Este premio es una iniciativa especial dentro del programa Marie Skłodowska-Curie Actions de la Comisión Europea cuyo objetivo, en este caso, es valorar el trabajo de las investigadoras dentro del proyecto sobre modelos matemáticos de predicción de la evolución a corto plazo de la pandemia por el COVID-19.

Sandra, Cristina y Remedios son tres estudiantes de doctorado del Instituto de Matemáticas en la Universidad de Sevilla (IMUS). Antes de comenzar su doctorado, fueron contratadas por diferentes proyectos de investigación interdisciplinares donde las Matemáticas jugaban un papel fundamental. Uno de estos proyectos de investigación tenía como objetivo la detección temprana de enfermedades.

Los proyectos de doctorado de Sandra Benítez  y Cristina Molero están relacionados con la aplicación de la Optimización Matemática en el área de la Clasificación Supervisada. En particular, se centran en mejorar herramientas del Aprendizaje Automático como las Máquinas de Vectores Soporte y los Árboles de Decisión, respectivamente. El proyecto de doctorado de Remedios Sillero, por su parte, se basa en la aplicación de herramientas de la Optimización Matemática en problemas estadísticos relacionados con el Análisis Multivariante.

Las tres investigadoras forman parte del proyecto NeEDS (Network of European Data Scientists), que es un proyecto tipo RISE (Research and Innovation Staff Exchange) fundado bajo el programa Marie Skłodowska-Curie Actions. Esta red aborda la necesidad urgente de un entorno integrado de modelado y computación que facilite el procesamiento de los datos, su análisis y su comunicación (en forma de visualización e interacción humano-computadora) para ayudar en la toma de decisiones. Su experiencia como integrantes de este proyecto les ha permitido estar en contacto con la industria, así como aplicar sus trabajos de investigación a problemas de la vida real, como los relacionados con la privacidad de datos.

Cuando la pandemia de la COVID-19 comenzó, el CEMat (Comité Español de MATemáticas) motivó a los investigadores de distintas áreas a colaborar en la construcción de un predictor cooperativo, con el objetivo de proporcionar a las autoridades información sobre la expansion del virus a corto plazo. Por esta razón, un grupo de nueve investigadores/as en Estadística e Investigación Operativa, del que Sandra, Cristina y Remedios forman parte, unieron fuerzas para contribuir en esta iniciativa.

“Nuestra idea fue la siguiente: Es conocido que existe una amplia variedad de regresores para hacer predicciones, así propusimos combinar un conjunto pequeño de ellos a través de un método `ensemble´. Como es usual, buscan una buena capacidad predictiva general, e introducen un aspecto novedoso en forma de `sparsity´ selectiva basada en el rendimiento individual de cada uno de los regresores. Este nuevo ensemble se obtiene resolviendo un problema de Optimización Matemática con restricciones lineales”, explican las investigadoras.

Este procedimiento mecánico es particularmente útil cuando se trata con datos no estacionarios, como es el caso de los datos de la COVID-19, donde la composición del ensemble puede cambiar con el tiempo.

Más información del proyecto

Referencia bibliográfica: Benítez-Peña, Sandra & Carrizosa, Emilio & Guerrero, Vanesa & Jiménez Gamero, M. Dolores & Martin-Barragan, Belen & Molero-Río, Cristina & Ramirez-Cobo, Pepa & Romero Morales, Dolores & Sillero-Denamiel, M. Remedios. (2020). On Sparse Ensemble Methods: An Application to Short-Term Predictions of the Evolution of COVID-19.