A continuación, encontrarás información relativa a mis proyectos, experiencia, etc...
Abajo tienes toda la información personal por si en algún momento quieres contactar conmigo.
Miguel Ferreiro-Díaz, Tomás R. Cotos-Yáñez, José R. Méndez and David Ruano-Ordás , The R Journal (2021) 13:1, pages 130-144.
In the last years, big data has become a useful paradigm for taking advantage of multiple sources to find relevant knowledge in real domains (such as the design of personalized marketing campaigns or helping to palliate the effects of several fatal diseases). Big data programming tools and methods have evolved over time from a MapReduce to a pipeline-based archetype. Concretely the use of pipelining schemes has become the most reliable way of processing and analyzing large amounts of data. To this end, this work introduces bdpar, a new highly customizable pipeline-based framework (using the OOP paradigm provided by R6 package) able to execute multiple preprocessing tasks over heterogeneous data sources. Moreover, to increase the flexibility and performance, bdpar provides helpful features such as (i) the definition of a novel object-based pipe operator (%>|%), (ii) the ability to easily design and deploy new (and customized) input data parsers, tasks, and pipelines, (iii) only-once execution which avoids the execution of previously processed information (instances), guaranteeing that only new both input data and pipelines are executed, (iv) the capability to perform serial or parallel operations according to the user needs, (v) the inclusion of a debugging mechanism which allows users to check the status of each instance (and find possible errors) throughout the process.
El Trabajo de Fin de Máster (TFM) busca mejorar el framework D2MCS, desarrollado por el Dr. Ruano-Ordás, dirigido a la creación de un Sistema Multi-Clasificador orientado principalmente al cribado de medicamentos (in silico screening) en el ámbito farmacológico. En el transcurso de este desarrollo publicó dos artículos exponiendo los resultados obtenidos: "Improving the drug discovery process by using multiple classifier systems" y "A multiple classifier system identifies novel cannabinoid CB2 receptor ligands". El objetivo principal del TFM se basa en tres ejes básicos:
Framework novedoso que permite desarrollar y desplegar automáticamente un Sistema Multi-Clasificador preciso, basado en la distribución de características lograda a partir de un conjunto de datos de entrada. Para ello, D2MCS se centra en cuatro aspectos principales:
Actualización del paquete dónde se añaden funcionalidades y se solucionan errores:
Proyecto realizado con el objetivo de extraer y procesar opiniones sobre las diferentes bodegas de la provincia de Ourense. Con este propósito, se utilizan enlaces de Google Maps a las diferentes bodegas para obtener de forma automática todos los datos asociados a ellas junto con los comentarios de los usuarios. Posteriormente, se realiza un pre-procesamiento de la información extraída para establecer un formato unificado y así facilitar su análisis posterior.
Actualización del paquete dónde se añaden y se mejoran sus funcionalidades:
Herramienta para crear fácilmente flujos de datos personalizados para preprocesar grandes volúmenes de datos de diferentes fuentes. Con ese fin, bdpar permite:
Trabajo de Fin de Grado que consta de dos objetivos:
Autores: Miguel Ferreiro Díaz, David Ruano Ordás, Tomás Cotos Yañez y Jose Ramón Méndez Reboredo.
Autores: Miguel Ferreiro Díaz, David Ruano Ordás y Jose Ramón Méndez Reboredo.
Lenguaje para computación estadística
Lenguaje de programación
Lenguaje de programación
Lenguaje de programación
Lenguaje de programación
Lenguaje de marcado
Lenguaje de maquetación
Framework CSS
Lenguaje de maquetación
Plataforma de programación
Soporte para el desarrollo de servicios RESTful
Lenguaje de programación
Lenguaje de programación
Framework frontend
Framework frontend
Librería multiplataforma de JavaScript
Framework para aplicaciones web
Servidor de aplicaciones Java EE
Biblioteca gráfica
Lenguaje de programación lógico
Motor de procesamiento distribuido
Motor de procesamiento distribuido
Interfaz para aplicaciones paralelas
Plataforma de computación en paralelo
Sistema de gestión de bases de datos relacionales
Lenguaje de procesamiento procedimental
Sistema de gestión de bases de datos relacionales
Sistema de gestión de bases de datos relacionales
Framework de test unitarios en R
Framework de test unitarios en C#
Framework de test unitarios en Java
Framework de test en Java
Framework de test de integración en Java
Framework de test en aplicaciones web
IDE
IDE
IDE
IDE
IDE
IDE
IDE
Editor
Plataforma para el análisis y la minería de datos
Plataforma para el aprendizaje automático y la minería de datos
Herramienta para utilizar técnicas ETL
Control de versiones
Control de versiones
Herramienta de control de versiones
Gestor de repositorios
Gestor de repositorios
Herramienta de integración y despliegue continuo
Servidor de integración y despliegue continuo
Servicio de integración continua
Construcción de proyectos Java
Automatización de despliegue de aplicaciones
Repositorio de librerías de software
Sistema de gestión de proyectos
Lenguaje de modelado de sistemas de software
Soy ingeniero informático con experiencia en proyectos de investigación a través de mi colaboración con el grupo Sistemas Informáticos de Nueva Generación (SING) de la Universidad de Vigo.
A lo largo de mi recorrido formativo y profesional, he obtenido experiencia para liderar, coordinar y mediar entre individuos y grupos a través de impartir clases en la universidad y organizando los grupos formados en los trabajos del Grado y del Máster en Ingeniería Informática.
Mi objetivo actual es trabajar en proyectos que aborden la resolución de nuevos retos aplicando Inteligencia Artificial. Además, busco adquirir experiencia y mejorar mis habilidades para el liderazgo y la gestión de proyectos.
Título: Detección automática de signos radiológicos mediante Deep Learning
Premio a la Excelencia Académica para estudiantes que inician estudios de Doctorado.
Horas: 8,5
Horas: 35
Horas: 30
Horas: 15
Premio a la Excelencia Académica para estudiantes que inician estudios de Máster.
Créditos: 90
Horas: 70
Premio Extraordinario de Fin de Grao en la Titulación de Ingenieria Informática con una nota media de: 8.44
Créditos: 240
Horas: 30
Contrato de formación investigadora en el programa de Doctorado en Sistemas Software Inteligentes y Adaptables de la Universidad de Vigo.
Docencia impartida en la asignatura de Redes de Computadoras I del Grado de Ingeniería Informática.
Docencia impartida en las asignaturas de Sistemas Operativos I y Centros de Datos del Grado de Ingeniería Informática.
Contrato con cargo a la línea de investigación POSB-2021/024.
Contrato con cargo al proyecto “Extracción e pre-procesamento de opinións sobre o sector enoturístico na provincia de Ourense” de la convocatoria de Ayudas a Grupos de Investigación del Campus de Ourense, INOU 2020.
Contrato con cargo al proyecto ED431C2018/55-GRC (Grupo de Referencia Competitiva da Xunta de Galicia, convocatoria 2018).
Desarrollo de funciones y clases de R para el preprocesamiento y clasificación de contenidos textuales en diversos formatos.
Título: D2MCS: Un paquete en R para desenvolver y desplegar automáticamente un Sistema Multi-Clasificador
Título: Bdpar: Un paquete de R para executar pipelines personalizables de preprocesado sobre fontes de datos heteroxéneos
Horas: 55
Horas: 55