Integrantes

El consejo de Facultad de Ciencias aprobó la creación de CABIDA y la integración de su primer directiva en setiembre de 2016.

Comisión Directiva:

Titulares

  • Ricardo Fraiman (CMAT – FCIEN) | Coordinador
  • Paola Bermolen (IMERL – FING)
  • Marcelo Fiori (IMERL- FING)
  • Ernesto Mordecki (CMAT- FCIEN)
  • Mauricio Delbracio (IIE – FING)

Suplentes

  • María Inés Fariello (IMERL – FING | IPMon)
  • Flavio Pazos (IIBCE – MEC | IMERL – FING)

 

Integrantes de CABIDA

Los investigadores que deseen incorporarse a CABIDA podrán presentar su aspiración, que deberá ser aprobada luego de una evaluación de la trayectoria académica del aspirante por la Comisión Directiva.

Paola Bermolén
Matemática aplicada, en particular modelado estocástico y estadístico de sistemas de comunicación, incluyendo técnicas de geometría aleatoria, grafos aleatorios, límites fluidos y machine learning.
Sebastián Castro
Estadística.
Alejandro Cholaquidis
Set estimation, machine learning, reflected brownian motion.
Marcelo Fiori
Problemas de isomorfismo de grafos (graph matching), optimización, y machine learning con datos en estructuras de grafos.
Ricardo Fraiman
Aprendizaje supervisado, semi-supervisado y no supervisado. Estimación no paramétrica. Estadística de datos funcionales. Métodos robustos para Big Data. Estadística en redes y aplicaciones en neurociencias. Estimación de conjuntos y aplicaciones en medicina y ecología animal.
Federico Lecumberry
Procesamiento de imágenes y señales aplicado a imágenes médicas, en particular de Microscopía de Fluorescencia y Crio-Microscopía Electrónica, y en técnicas de Aprendizaje Automático con variadas aplicaciones académicas e industriales.
Ernesto Mordecki
Probabilidad, estadística, procesos estocásticos, problemas de control estocástico, simulación, matemática financiera, modelación estocástica en música, biología, telecomunicaciones.
Hugo Naya
Genómica y bioinformática. Aplicación de métodos de genética estadística en problemas de genómica y evolución.
Flavio Pazos
Bioinformática. Predicción de función de genes mediante técnicas de aprendizaje automático.
Ignacio Ramirez Paulino
Aplicación e implementación eficiente de herramientas de estadística, teoría de la información moderna (codificación Universal o MDL) y optimización, a problemas de aprendizaje automático en general y de tratamiento de señales.
Mauricio Velazco
Optimización convexa, geometría convexa, geometría algebraica y sus aplicaciones.
Cecilia Aguerrebere
Diego Armentano
Laura Aspirot
Pablo Belzarena
Mathias Bourel
Matías Carrasco
Fabián Crocce
Federico Dalmao
Mauricio Delbracio
María Inés Fariello
Alicia Fernandez
Daniel Gianola
Gaston Gonnet
Gustavo Guerberoff
Gabriel Illanes
Juan Kalemkerian
Lucas Langwagen
Pablo Lessa
Matías di Martino
Leonardo Moreno
Pablo Muse
Federico de Olivera
Cecilia Papalardo
Gustavo Rama
Gregory Randall
Elisa Rocha
Andrés Sosa
Gonzalo Tornaria
WordPress Appliance - Powered by TurnKey Linux