Pero, más aún, necesitamos contar con la capacidad de interpretar los datos numéricos compilados por las máquinas y convertirlos en formatos que las personas puedan comprender y utilizar. Sin embargo, los métodos tradicionales de aprendizaje, minería y visualización enfrentan desafíos sin precedentes y, por lo mismo, grandes oportunidades, en la medida en que el volumen de datos y la capacidad de cómputo sigue creciendo.
Esta área de investigación se enfocará en temas emergentes relacionados con el aprendizaje, minería y visualización, buscando:
Hacer frente a los temas relacionados con la robustez y calidad de los datos, para mejorar la calidad, estructura y alcance del entrenamiento de datos, que son puntos clave en el proceso de aprendizaje.
Utilizar el aprendizaje para detectar conflictos, anomalías o información de baja credibilidad.
Proponer nuevas visualizaciones y medios interactivos que transformen la experiencia de las máquinas a formas que las personas puedan explorar, conceptualizar, compartir y utilizar.
Fortalecer modelos de aprendizaje contemporáneos en el contexto de deep learning, diseñando nuevas estrategias para el aprendizaje secuencial, el reforzamiento y la imitación para aprovechar al máximo los datos disponibles. Además, en relación con las redes sociales, generar mecanismos que permitan hacer frente a la pérdida de datos o al sesgo.
