[ 2025 ][ 2024 ]  [2023] [2022 ] [ 2021 ] [ 2020 ] [ 2019 ] [ 2018 ] [ Organización ] [ Doctorado ]

Introducción

El Programa de Doctorado en Informática  de la Universidad de Almería se propone como objetivo ofertar cursos de formación específicos para sus estudiantes de doctorado en las líneas de investigación del programa. 

Por este motivo, la Comisión Académica del Doctorado en Informática se complace en anunciar el presente Programa de Actividades Formativas para el año 2026. El programa está especialmente destinado a los estudiantes del Doctorado en Informática de la Universidad de Almería, aunque queda abierto a cualquier persona con intereses científicos en los citados campos de la Informática.

El programa contará con la participación de ponentes de gran prestigio internacional en el ámbito de la Informática.

Se otorgará un "Certificado de aprovechamiento" con el listado de los cursos y número de horas totales asistidas, siempre y cuando se acredite al menos un 80% de la asistencia en cada uno de los cursos asistidos, además de las actividades requeridas por el ponente en cada curso (si las hay). El certificado se emitirá a final de año, al terminar el programa formativo completo. 

Programa

El presente programa está sujeto a posibles cambios en el tiempo por motivos de coordinación. Cada curso se irá anunciando con antelación a través de los canales de difusión que dispone la Comisión Académica .

• Sistemas de reglas difusas e Inferencia tipo Mandani y TSK  bajo el workspace WIFE.[ Registro ]

• Reconstrucción 3D y procesamiento de imagen 3D en biomedicina 

• IA médica, confianza y explicabilidad

• Machine learning aplicado al nexo agua-energía

• Modeling human behaviour from mobile sensor data

• Creating health-related ontologies: a hands-on tutorial

• Control no lineal

• Fundamentos de Quantum Machine Learning.

• Estructuras de datos compactas

Sistemas de reglas difusas e Inferencia tipo Mandani y TSK  bajo el workspace WIFE.

Ponente:  Juan Moreno García 

Categoría profesional: Catedrático de Universidad 

Departamento: Tecnologías y Sistemas de Información 

Universidad: Castilla-La Mancha

Días: 2 y 3 de marzo

Hora:

• 2 de marzo de 9:30 a 12:30.

• 2 de marzo de 16:30 a 19:30.

• 3 de marzo de 9:30 a 13:30. Las dos horas últimas horas serán de entrevistas o tutorías personalizadas con los estudiantes para dudas surgidas y su posible uso en sus investigaciones.

Lugar: Seminario Von Neumann CITE III

Resumen: El curso pretende dar a conocer la lógica difusa (fuzzy logic) de una forma práctica. Para ello, se explicarán los conceptos necesarios para construir sistemas de reglas difusas tipo Mandani y TSK. El curso se desarrollará de una forma práctica utilizando un software denominado WIFE (Workspace for Inference in Fuzzy Enviroments). Este workspace está programado en Python y el alumno construirá sistemas de reglas utilizando las clases (programación orientada a objetos) que contiene el software. 

Material: Se necesita ordenador y cuenta de Google dado que se usa Google Colab que no necesita instalar nada en local.

[ Registro ]

Reconstrucción 3D y procesamiento de imagen 3D en biomedicina

Ponente: José Jesús Fernández Rodríguez

Fechas: 11 de marzo de 2026

Duración: 2 horas 

Lugar: On-line (se suministrará el enlace a los alumnos que se registren)

Horario: 

       9:30-11:30 

Modalidad: Seminario online

Número de plazas: 25

Resumen: 

El procesamiento de imagen es una herramienta fundamental para el estudio por microscopía electrónica del interior celular en Biomedicina. Mediante técnicas similares al TAC (Tomografía Axial Computerizada) comúnmente empleado en Medicina, la microscopía electrónica 3D permite estudiar a escala nanométrica las alteraciones celulares en enfermedades a partir de biopsias o muestras de sangre de pacientes. En este seminario se describirán algunos de los métodos computacionales esenciales para la reconstrucción tomográfica de volúmenes 3D, filtrado de ruido con capacidad de preservar señal, segmentación y, finalmente, caracterización cuantitativa de estructuras. Se presentarán los métodos avanzados que se han ido consolidando en el campo, incluyendo los desarrollos basados en Inteligencia Artificial que han supuesto una revolución.

[ Registro ]

IA médica, confianza y explicabilidad

Ponente: José Manuel Juárez Herrero. Catedrático de Universidad. Ingeniería de la Información y las Comunicaciones. Universidad de Murcia

Duración: 6 horas, 3 presenciales y 3 online.

Día: 16 MARZO Y 17 MARZO

Hora: 16 marzo  de 16h a 19h  (presencial, en Seminario Turing, Departamento de Informática, Cite-III)

                17 marzo  de 18h a 21h (online en enlace por determinar)

Resumen:

En este curso, presentaremos el campo de la Inteligencia Artificial médica y cómo abordar las principales preocupaciones de los médicos para adoptar tecnologías basadas en IA en la práctica clínica diaria. El desarrollo de un sistema de IA fiable es multidisciplinario y requiere medidas éticas, legales y tecnológicas. Durante este tutorial, los estudiantes tendrán una visión general de las iniciativas existentes de la Unión Europea sobre el marco ético y legal relacionado con la IA en la atención médica (directrices éticas, RGPD, IA, dispositivos médicos). El curso revisará los métodos explicativos más populares en IA (por ejemplo, LIME, SHAP, saliencymaps), destacando sus ventajas e inconvenientes desde la perspectiva del profesional clínico. Para ilustrar los diferentes desafíos de la IA médica, este curso se basa en varios ejemplos obtenidos de la literatura reciente sobre IA y los campos médicos.

Web con materiales del curso: https://webs.um.es/jmjuarez/iamedicaexplicable/

Objetivos

● Obtener una mejor comprensión de la aplicación de la IA en entornos sanitarios.

● Identificar los principales factores interdisciplinarios para un proyecto de IA fiable según las directrices de la UE.

● Conocer las ventajas y limitaciones de la IA explicable actual.

Estructura:

Parte 1 (3h, presencial): Informática Médica e Inteligencia Artificial

Contenidos: Qué es la informática médica, datos médicos, estándares e interoperabilidad, tipos de sistemas de información, sistemas basados en IA en salud, equipos IA médica.

Parte 2 (3h, online): Explicabilidad y Confianza de la IA

Contenidos: Confianza y credibilidad, marco legal y ético de la IA, IA explicable, técnicas específicas XAI.

Material:

Se recomienda a los estudiantes llevar sus portátiles con el software ORANGE Data

Mining (https://orangedatamining.com/)

[ Registro ]

Machine learning aplicado al nexo agua-energía

Ponente: Prof. Dr. Pedro Jesús Cabrera Santana (Universidad de Las Palmas de Gran Canaria)

Duración: 10 horas 

Lugar: SALA DE GRADOS DEL CITE-III (Matemáticas e Informática)

Horario: 

26 de marzo de 10:00 a 14:00 horas (seminario)
26 de marzo de 16:00 a 18:00 horas (reuniones con doctorandos en instalaciones experimentales)

27 de marzo de 10:00 a 14:00 horas (seminario)

Modalidad: Seminario (presencial)

Número de plazas: 25

Resumen: Se abordará la aplicación de técnicas de Machine Learning a problemas del nexo agua-energía, con énfasis en estudios científicos prácticos ya desarrollados o en desarrollo. Se analizará la integración de estas técnicas en el campo de la energía eólica y en procesos de desalación accionados con renovables, con el objetivo de aumentar su flexibilidad frente a la variabilidad energética y facilitar la gestión inteligente de sistemas de almacenamiento dinámico, como los volantes de inercia.

[ Registro ]

Modeling human behaviour from mobile sensor data

Ponente: Oresti Baños Legrán (Universidad de Granada)

Fechas tentativas: abril de 2026

Duración: 3 horas 

Lugar: por determinar

Horario:por determinar
Modalidad: Seminario (presencial)

Número de plazas: 25

Resumen: This keynote explores the transformative potential of using data collected from mobile device sensors (such as accelerometers, GPS, microphones, and light sensors) to build computational models of human behavior. The presentation details various methodologies for extracting meaningful features from this raw, high-dimensional sensor data. It discusses advanced machine learning techniques used to infer complex behavioral states, activities, and routines. These inferences cover areas like physical activity, social interactions, and mood changes. The talk emphasizes the power of these models for real-world applications in personalized health, mental wellness, and urban computing. Finally, it addresses critical challenges related to data privacy, ethical considerations, and model generalization across diverse populations.

Creating health-related ontologies: a hands-on tutorial

Ponente: Claudia Villalonga Palliser (Universidad de Granada)

Fechas tentativas: abril de 2026

Duración: 3 horas 

Lugar: por determinar

Horario: por determinar

Modalidad: Seminario (presencial)

Número de plazas: 25

Resumen: This workshop provides a practical, hands-on introduction to the process of designing and building health-related ontologies. The session focuses on foundational concepts, including knowledge representation, semantic modeling, and the standards used in the biomedical domain (e.g., OWL, various terminologies). Participants learn the structured workflow for developing an ontology, starting from defining scope and requirements to implementing classes, properties, and axioms. The tutorial heavily utilizes the Protégé tool, guiding attendees through its interface and functionalities to physically construct and edit an ontology. The workshop emphasizes best practices for ensuring ontological quality, consistency, and interoperability within healthcare and clinical research applications. Attendees leave with a working understanding of how to use Protégé to create robust, semantically-rich health knowledge models.

Control no lineal

Ponente: Prof. Dr. Sebastián Dormido Bencomo (UNED)

Fechas tentativas: 8 de mayo de 2026

Duración: 5 horas 

Lugar: SALA DE GRADOS DEL CITE-III (Matemáticas e Informática)

Horario: 

8 de mayo de 09:30 a 14:30 horas (seminario)

Modalidad: Seminario (presencial)

Número de plazas: 25

Resumen: El curso tratará temas relacionados con el control no lineal de sistemas dinámicos. Se revisará el método del primer armónico y la técnica clásica de la función descriptiva, de un gran interés práctico. Se introducirán ejemplos de aplicación haciendo uso de herramientas interactivas.

Fundamentos de Quantum Machine Learning.

Ponente: Elías Combarro. Catedrático de Arquitectura de Computadores en la Universidad de Oviedo

Fechas: septiembre/octubre de 2026

Duración: 8 horas

Modalidad: Seminario (presencial)

Número de plazas: 25

Resumen: introduce la convergencia de la mecánica cuántica y el aprendizaje automático, proporcionando una base sólida en los fundamentos de la computación cuántica (qubits, superposición, entrelazamiento) y su aplicación directa a tareas de Machine Learning. El objetivo es analizar las herramientas teóricas y prácticas necesarias para abordar problemas complejos en campos como la química, el descubrimiento de materiales y la optimización, destacando el potencial de aceleración exponencial de QML y los desafíos reales de su implementación actual.

Estructuras de datos compactas

Ponente: Miguel Rodríguez Penabad. Profesor Titular de Universidad. Ciencias de la Computación y Tecnologías de la Información. Universidade da Coruña

Días: mes de Octubre 2026

Hora: Horario de tarde.

Lugar: Presencial (Laboratorios o Seminarios del Departamento)

Resumen: El curso empezará por una breve motivación de la necesidad de ahorrar espacio tanto en los datos como en las estructuras que los manejan. Se verá un ejemplo inicial donde se explicarán conceptos básicos y alguna técnica de compresión bien conocida. Posteriormente, se motivará la existencia de las estructuras de datos compactas (EDCs), que permiten operar sobre los datos en su forma comprimida, sin necesidad de descomprimirlos desde el principio (lo que sería necesario con técnicas clásicas de compresión). Se verán algunas estructuras básicas, como los bitvectors, y sus operaciones asociadas, ya que son fundamentales para otras estructuras más avanzadas. Finalmente, se describirá en profundidad alguna EDC avanzada, como puede ser el k2-tree, viendo su funcionamiento básico, ejemplos de uso, y variantes que se han implementado.

Material: En principio no es necesario ningún material para atender el curso.

Fotos

Lugar de celebración

Campus universitario de La Cañada, Universidad de Almería

Para cada curso ver el lugar de celebración

Organización

Organiza la Comisión Académica del Doctorado en Informática y el Departamento de Informática de la UAL en colaboración con la Escuela Internacional de Doctorado.