19:00h - 20:00h

Maria Delgado, PhD Cambridge en Machine Learning aplicado a la salud

La aplicación de data science en oncología está transformando radicalmente nuestra capacidad para caracterizar, diagnosticar y tratar el cáncer de manera más precisa y personalizada. Explicaremos cómo estas tecnologías están siendo utilizadas para impulsar descubrimientos significativos, destacando el potencial para mejorar los resultados y la calidad de vida de los pacientes con cáncer.

María Delgado-Ortet, PhD por la Universidad de Cambridge, actualmente investigadora postdoctoral en la Universidad de Edimburgo, tras haber recibido la prestigiosa Cross-Disciplinary Fellowship.
Reconocida por sus contribuciones, incluyendo la obtención de la Enrichment Scholarship por The Alan Turing Institute, su participación como ponente en este evento refleja su compromiso con las aplicaciones transformadoras de la inteligencia artificial en salud.

20:00h - 21:00h

Marc Andrés, PhD IFAE en Ondas Gravitacionales, Profesor asociado en EADA

Descubre cómo la computación cuántica está preparada para transformar el landscape del machine learning. Esta ponencia desvelará los fundamentos de la computación cuántica y su potencial sinergia con la inteligencia artificial. Exploramos algoritmos cuánticos básicos, modelos de aprendizaje automático cuántico y los impactos que podrían tener en el procesamiento de datos, la optimización y el reconocimiento de patrones.

Marc Andrés, experto en la ciencia de los agujeros negros y la materia oscura, navega diariamente a través de cientos de terabytes de datos. Con una formación inicial en Ingeniería Aeronáutica y Economía, ha ampliado sus conocimientos con másters en Física Avanzada y Gestión Cuantitativa de Riesgos.

Su trayectoria incluye investigación en instituciones como el European Gravitational Observatory y colaboraciones con fondos de inversión líderes en modelos de Machine Learning como Baboon Technologies.

17:00h - 18:00h

Nico Popescul, Advanced Business Analytics en CaixaBank

Pandas ha sido la principal librería de Python para hacer análisis de datos tabular en la última década. Tiene una sintaxis muy versátil, un montón de funcionalidades y también se integra perfectamente con muchas herramientas de Machine Learning. No obstante también nació con varias limitaciones o "pecados originales" que hace muy difícil su uso para datasets masivos.

Polars por el otro lado se ha posicionado como el sustituto ideal de pandas y cada vez está ganando más tracción y más adeptos.

En esta charla veremos sus diferencias y similitudes haciendo un análisis hands on sobre un dataset que tiene millones de registros.

Nico Popescul es un profesional de Data Science con 8 años de experiencia. Su carrera profesional ha estado siempre ligada al sector bancario. Ha llevado a cabo proyectos de Analítica Avanzada y Machine Learning en algunos de los principales bancos de España. Desde hace 5 años trabaja en CaixaBank Advanced Business Analytics. Como Manager de Data Science, es responsable de puesta en producción y monitorización de modelos (MLOps). Desde noviembre de 2023 es Google Certified Machine Learning Engineer. Estuvo en el top 50 mundial en 2 categorías diferentes de la prestigiosa plataforma Kaggle (> 17 millones de usuarios).