Rubén Martínez Sánchez
/home/Ruben# Data Scientist
42 años
Permiso de conducir
Madrid España
Status profesional
Asalariado
Disponible
Sobre mi
Apasionado por aprender y por conocer los mecanismos que nos permiten adquirir ese aprendizaje.
Entre los temas que más me motiva investigar están la Neurociencia, Causalidad y cómo poder implementar algoritmos que simulen "Inteligencia".
Github:
https://github.com/eldarsilver
Página Web:
https://eldarsilver.github.io/ruben.martinez/
Correo electrónico:
rubensilver@gmail.com
Teléfono móvil:
675733779
Entre los temas que más me motiva investigar están la Neurociencia, Causalidad y cómo poder implementar algoritmos que simulen "Inteligencia".
Github:
https://github.com/eldarsilver
Página Web:
https://eldarsilver.github.io/ruben.martinez/
Correo electrónico:
rubensilver@gmail.com
Teléfono móvil:
675733779
Actualmente realizando el Trabajo de Fin de Máster (TFM) de la titulación oficial de Máster en Inteligencia Artificial en la UNIR.
Dicho TFM trata sobre el perfilado de la distribución del comportamiento dinámico de imágenes alojadas en Docker Hub para la detección de anomalías como posibles ataques de malware no conocidos previamente. Para ello, se está investigando en la utilización de algoritmos del tipo Recurrent Variational AutoEncoders para aproximar un espacio latente que represente la distribución de interés.
Algunas de las asignaturas son: Neurociencia Cognitiva, Investigación en Inteligencia Artificial, Razonamiento y Planificación Automática, Aprendizaje Automático, Percepción Computacional, Procesamiento de Lenguaje Natural, Sistemas Cognitivos Artificiales, Prácticas en Empresa, etc.
Dicho TFM trata sobre el perfilado de la distribución del comportamiento dinámico de imágenes alojadas en Docker Hub para la detección de anomalías como posibles ataques de malware no conocidos previamente. Para ello, se está investigando en la utilización de algoritmos del tipo Recurrent Variational AutoEncoders para aproximar un espacio latente que represente la distribución de interés.
Algunas de las asignaturas son: Neurociencia Cognitiva, Investigación en Inteligencia Artificial, Razonamiento y Planificación Automática, Aprendizaje Automático, Percepción Computacional, Procesamiento de Lenguaje Natural, Sistemas Cognitivos Artificiales, Prácticas en Empresa, etc.
Detalles y contenido del curso
Curso intensivo totalmente práctico de 3 semanas de duración ofrecido por académicos de multitud de Universidades y empresas a nivel global (Google, Facebook, Max Planck institute, CIFAR, etc.).
El enlace en el que se puede comprobar el temario cubierto es https://deeplearning.neuromatch.io/tutorials/intro.html
La dinámica diaria del curso consiste en la resolución práctica de modelos relativos a los temas de diversos campos del Deep Learning durante 5 horas. Tras ello, se dedican 3 horas para el desarrollo de un proyecto personal. En mi caso tuve contrastar hipótesis sobre la capa V1 del córtex visual de roedores.
El enlace en el que se puede comprobar el temario cubierto es https://deeplearning.neuromatch.io/tutorials/intro.html
La dinámica diaria del curso consiste en la resolución práctica de modelos relativos a los temas de diversos campos del Deep Learning durante 5 horas. Tras ello, se dedican 3 horas para el desarrollo de un proyecto personal. En mi caso tuve contrastar hipótesis sobre la capa V1 del córtex visual de roedores.
Detalles y contenido del curso
Posgrado en Artificial Intelligence with Deep Learning
Universidad Politécnica de Cataluña
2020
a 2021
Posgrado ofrecido por la Universidad Politécnica de Cataluña en la que se cubren temas como fundamentos matemáticos de Deep Leanring, NLP, Computer Vision, Reinforcement Learning, Speech and Audio Processing. El temario completo se puede consultar en la web de la formación: https://www.talent.upc.edu/esp/estudis/formacio/curs/305502/posgrado-artificial-intelligence-deep-learning/
Se ha desarrollado Proyecto de Fin de Posgrado sobre entrenamiento de algoritmos de Reinforcement Learning con Pytorch en entornos simulados (OpenAI Gym + Gazebo + ROS) y su posterior despliegue en robot físico Turtlebot en entorno real.
Se ha desarrollado Proyecto de Fin de Posgrado sobre entrenamiento de algoritmos de Reinforcement Learning con Pytorch en entornos simulados (OpenAI Gym + Gazebo + ROS) y su posterior despliegue en robot físico Turtlebot en entorno real.
Detalles y contenido del curso
Formación sobre Computación Cuántica ofrecida por profesores del MIT e IBM empleando el framework Qiskit.
Detalles y contenido del curso
Carrera de Ingeniería Técnica Informática impartida por la Universidad Politécnica de Madrid (Campus Sur) especializándome en el área de Sistemas y desarrollando como Proyecto de Fin de Carrera, a petición propia, una herramienta en Python para hackear información de bases de datos Microsoft SQL Server y realizando estudio de cómo extenderla a MySQL.
Detalles y contenido del curso
Máster presencial (lunes a sábado) de forma on-line dirigido por el Dr. Michal Fabinger, profesor de la Universidad de Tokio.
En esta formación se cubren en profundidad las justificaciones matemáticas en las que se basan los algoritmos de Machine Learning, Deep Learning, Causalidad.
El haber podido realizar esta formación asistido por Michal Fabinger me permitió ahondar en aspectos de investigación muy motivadores.
El temario completo se puede comprobar en la siguiente url:
https://tokyodatascience.com/deeplearning
A modo de resumen algunas de las áreas que se cubren son técnicas de optimzación, NLP (Embeddings, Transformers, BERT, etc), Visión Artificial (detección, localización, segmentación), Autoencoders, Variational Autoencoders, Aprendizaje por Refuerzo, GANs, técnicas de Inferencia Causal, etc.
En esta formación se cubren en profundidad las justificaciones matemáticas en las que se basan los algoritmos de Machine Learning, Deep Learning, Causalidad.
El haber podido realizar esta formación asistido por Michal Fabinger me permitió ahondar en aspectos de investigación muy motivadores.
El temario completo se puede comprobar en la siguiente url:
https://tokyodatascience.com/deeplearning
A modo de resumen algunas de las áreas que se cubren son técnicas de optimzación, NLP (Embeddings, Transformers, BERT, etc), Visión Artificial (detección, localización, segmentación), Autoencoders, Variational Autoencoders, Aprendizaje por Refuerzo, GANs, técnicas de Inferencia Causal, etc.
Detalles y contenido del curso
El objetivo de este curso es el de profundizar en el framework ROS (Robot Operating System) que se empleará para el desarrollo y despliegue de aplicaciones que harán uso de los sensores distribuidos de plataformas robóticas.
Se puede encontrar información detallada del curso en el siguiente enlace:
https://www.urjc.es/estudios/1701-curso-superior-universitario-de-introduccion-a-la-programacion-de-robots-con-ros
Se puede encontrar información detallada del curso en el siguiente enlace:
https://www.urjc.es/estudios/1701-curso-superior-universitario-de-introduccion-a-la-programacion-de-robots-con-ros
Este máster totalmente práctico está enfocado para poder trabajar en perfiles tanto de Arquitecto como de Científico de Datos. Las temáticas cubiertas son:
- Estadística.
- SAS.
- R.
- Python.
- Machine Learning con R y Python.
- NoSQL.
- Ecosistema Hadoop.
- Apache Spark.
- Deep Learning.
- Visualización.
Detalles y contenido del curso
Este curso tiene como finalidad aplicar técnicas de Deep Learning (como segmentación de imágenes, métricas de evaluación, tratamiento de datasets desbalanceados, intervalos de confianza, etc.) para desarrollar modelos que sean capaces de diagnosticar enfermedades a partir de pruebas médicas como resonancias magnéticas.
Link del certificado:
https://coursera.org/share/97ed885e9627ae5d451a6e375ae58430
Link del certificado:
https://coursera.org/share/97ed885e9627ae5d451a6e375ae58430
Este curso trata sobre cómo desarrollar modelos de series temporales empleando Redes Neuronales Recurrentes, LSTM y Convolucionales con Tensorflow.
Link del certificado:
https://coursera.org/share/09c6077542520a3d0a3d7b085ac46272
Link del certificado:
https://coursera.org/share/09c6077542520a3d0a3d7b085ac46272
Este curso desarrolla las técnicas necesarias para construir pipelines de datos eficientes empleando la Dataset API de Tensorflow para poder entrenar modelos predicitivos.
Link del certificado:
https://coursera.org/share/e45f1480dcca56ac6ccfc5ca274914a4
Link del certificado:
https://coursera.org/share/e45f1480dcca56ac6ccfc5ca274914a4
En este curso se trata cómo aprovechar fenómenos presentes en física cuántica para llevar a cabo tareas de optimización potenciando algoritmos de Machine Learning. Para construir los circuitos cuánticos e implementar de forma práctica los algoritmos se emplea la librería de IBM Qiskit.
Link del certificado:
https://courses.edx.org/certificates/3c5c6c1ccfcf46b0bde59e391977e8d4
Link del certificado:
https://courses.edx.org/certificates/3c5c6c1ccfcf46b0bde59e391977e8d4
Detalles y contenido del curso
En este curso se cubre cómo abordar problemas de procesamiento de Lenguaje Natural mediante Redes Neuronales Recurrentes así como sus especializaciones GRU y LSTM. Todo ello se codifica con Tensorflow 2.
Link del certificado:
https://coursera.org/share/25608ec755ac1f0f5b344388c8aaaaab
Link del certificado:
https://coursera.org/share/25608ec755ac1f0f5b344388c8aaaaab
Detalles y contenido del curso
Este curso está orientado a trabajar con Redes Neuronales Convolucionales y solucionar aspectos relacionados como aumentado de dataset, regularización, transfer learning, visualización del error y todo ello empleando Tensorflow 2.
Link del certificado:
https://coursera.org/share/b9972b5276b071e6d018ef0cd904d052
Link del certificado:
https://coursera.org/share/b9972b5276b071e6d018ef0cd904d052
Detalles y contenido del curso
Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning
Coursera / deeplearning.ai
2019
En este curso se tratan buenas prácticas a la hora de abordar problemas con Deep Learning así como su implementación con Tensorflow 2.
Link del certificado:
https://coursera.org/share/52d7fac7e63f73f1adf3fafbf5413c3e
Link del certificado:
https://coursera.org/share/52d7fac7e63f73f1adf3fafbf5413c3e
Detalles y contenido del curso
En este curso se trata la justificación matemática detrás de las Redes Neuronales Convolucionales y su aplicación a tareas de reconocimiento visual con datos de 2D y 3D.
Link del certificado:
https://coursera.org/share/bc973b81ea016d242ca4dcc1764100a4
Link del certificado:
https://coursera.org/share/bc973b81ea016d242ca4dcc1764100a4
Detalles y contenido del curso
Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization
Coursera / deeplearning.ai
2018
En esta formación se cubren temas como la inicialización de Redes Neuronales, técnicas de regularización (como L1, L2, Dropout), Batch Normalization, gradient checking. También se recorren algoritmos de optimización como mini-batch Gradient Descent, Momentum, RMSprop y Adam así como buenas prácticas en detección de varianza / bias y creación de dataset de entrenamiento, validación y test.
Link del certificado:
https://coursera.org/share/d2e564a57a3a4df9ff9bbb00af661546
Link del certificado:
https://coursera.org/share/d2e564a57a3a4df9ff9bbb00af661546
Detalles y contenido del curso
En este curso ofrecido por Google Cloud se cubren temas como la optimización y evaluación de modelos, la mitagación de problemas asociados a los algoritmos de Machine Learning y la creación y escalado de datasets de entrenamiento, validación y test.
Link del certificado:
https://coursera.org/share/5866b4ad0c95266ebffdac1e04b40163
Link del certificado:
https://coursera.org/share/5866b4ad0c95266ebffdac1e04b40163
Detalles y contenido del curso
Se recorre de forma práctica cómo abordar problemas de Machine Learning empleando Tensorflow en Google Cloud Platform.
Link del certificado:
https://coursera.org/share/664404bfd837baeaf2aab0659fb2dd88
Link del certificado:
https://coursera.org/share/664404bfd837baeaf2aab0659fb2dd88
Detalles y contenido del curso
Microsoft: DAT202.3x Implementing Predictive Analytics with Spark in Azure HDInsight (Verified)
EdX / Microsoft
2016
Se recorre cómo desarrollar Pipelines de Aprendizaje Supervisado, No Supervisado y de Tiempo Real de Machine Learning empleando Apache Spark sobre Azure HDInsight.
Curso desarrollado en modo Verified.
Curso desarrollado en modo Verified.
Detalles y contenido del curso
Curso impartido por la Universidad de Salamanca en el que se realiza un recorrido por las redes neuronales, perceptrón multicapa, redes neuronales convolucionales, y recurrentes implementándolas de forma práctica usando la librería de Google Tensorflow.
Detalles y contenido del curso
Curso en el que se estudian los diversas versiones protocolos de Bluetooth, Bluetooth LE (muy utilizando por dispositivos de Internet of Things) y Wifi. Todo ello para, a continuación, llevar a cabo vectores de ataque sobre dispositivos que los usen y comprender cómo un atacante podría robar información.
Detalles y contenido del curso
Curso oficial de Cloudera e impartido por Core Netowrks sobre el core de Apache Spark y sus componentes Spark Streaming, GraphX, Spark SQL y MLlib.
Detalles y contenido del curso
Curso oficial de Cloudera impartido por Core Networks en el que se hace un recorrido por el ecosistema de Apache Hadoop y MapReduce desde el punto de vista del desarrollador.
Detalles y contenido del curso
Curso impartido por Martin Odersky en el que se establecen las bases de la programación funcional usando el lenguaje Scala haciendo un recorrido práctico por sus características.
Curso desarrollado en modo "Verified Certificate".
Curso desarrollado en modo "Verified Certificate".
Detalles y contenido del curso
Curso impartido por la Universidad Politécnica de Madrid (Campus Sur) sobre técnicas de Ingeniería del Software focalizándose en UML y estudiando el lenguaje Java para implementar dichas técnicas.
Machine Learning Foundations: A Case Study Approach
Coursera / Universidad de Washington
2015
a 2016
Curso de Machine Learning cubriendo conceptos sobre Regresión, Clasificación, Clustering, Sistermas de Recomendación, Dimensionality Reduction y Deep Learning usando Python y GraphLab.
Link del certificado:
https://coursera.org/share/e8eda54d96bfce224bb72d89952c46f2
Link del certificado:
https://coursera.org/share/e8eda54d96bfce224bb72d89952c46f2
Detalles y contenido del curso
Desarrollo de algoritmos de Machine Learning con Micrososft Azure.
Curso desarrollado en modo Verified.
Curso desarrollado en modo Verified.
Detalles y contenido del curso
Funcionamiento del entorno de Spark aplicándolo a tareas de Log Mining, Textual Entity Recognition, y Collaborative Filtering.
Curso desarrollado en modo Verified.
Curso desarrollado en modo Verified.
Detalles y contenido del curso
Curso sobre técnicas de análisis forense estático y dinámico a dispositivos Android, así como de utilización de Ingeniería Inversa para el estudio de Rootkits.
Detalles y contenido del curso
