Conozca a los investigadores, estudiantes y colaboradores que impulsan la innovación en GITTS.
GITTS está conformado por un equipo multidisciplinario de investigadores, estudiantes y colaboradores que comparten una visión común: impulsar el conocimiento y la innovación en telecomunicaciones y procesamiento de señales.
Investigadora Principal
Área de Interés:
Sensado compresivo, imágenes hiperespectrales, instrumentación óptica
Facultad de Ingeniería Eléctrica
Área de Interés:
Códigos de canal, sistemas de comunicación, procesamiento de señales
Facultad de Ingeniería Eléctrica
Área de Interés:
Imágenes hiperespectrales, aprendizaje automático, sensado remoto
Facultad de Ingeniería Eléctrica
Área de Interés:
Sistemas ópticos, modelado matemático, electromagnetismo
MSc. en Diseño de Sistemas Microelectrónicos
Área de Interés:
Microelectrónica, diseño de sistemas embebidos, ingeniería eléctrica.
Asistente de investigación en GITTS
Área de Interés:
Ingeniero en Telecomunicaciones (UTP, 2021). Tesis sobre interfaz cerebro-computadora. Prácticas en UTP y Universidad de Bordeaux. Intereses: señales biomédicas, IA, NLP.
Docente, Facultad de Ingeniería Eléctrica
Área de Interés:
Ph.D. en Ingeniería Eléctrica, Texas A&M University. Intereses: teoría electromagnética, diseño y control de máquinas eléctricas.
Profesor Asistente, UPRM
Área de Interés:
Ph.D. en Ingeniería Computacional, Northeastern University (2012). Investigación en sensado remoto y reconocimiento de patrones.
Profesor Asociado, Northeastern University
Área de Interés:
B.S. de la UTP (Summa Cum Laude, 1990). Ph.D. Northeastern (1997). Más de 100 publicaciones. Becario Fulbright. Premio NSF Career.
Estudiante Tesista, Ing. Eléctrica Electrónica
Algoritmos de Machine Learning para Reconstrucción de Imágenes Hiperespectrales capturadas usando Sensado Compresivo
Estudiante Tesista, Ing. Electromecánica
Algoritmos de Machine Learning para Estimación de Parámetros Fotovoltáicos a partir de Imágenes Satelitales
Estudiante Tesista, Ing. Electrónica y Telecomunicaciones
Algoritmos de Machine Learning para Desmezclado Espectral de Imágenes Hiperespectrales capturadas usando Sensado Compresivo en Plataformas Embebidas
Estudiante Tesista, Ing. Electrónica y Telecomunicaciones
Modelado matemático de sistemas ópticos para diseño y construcción de dispositivos de captura de imágenes hiperespectrales basados en sensado compresivo
Fundadora de Clase911. VLC con técnicas MIMO. Miembro IEEE.
Eficiencia energética con muestreo compresivo.
Análisis de transmisión de TV digital.
Códigos LDPC. IA y robótica.
Sistema PCM en FPGA. CCNA.
UPM Madrid. Consultor en INDRA Sistemas.