José de Jesús Hernández Higuera llevó al terreno epidemiológico una lógica que conocía por los videojuegos: entrenar agentes computacionales para que aprendan de sus decisiones. Con esa idea desarrolló una investigación que combina Inteligencia Artificial y modelos matemáticos y se convirtió en el primer egresado de la Maestría en Investigación en Ciencia de Datos de la BUAP.
El grado lo obtuvo con la tesis “Integración del aprendizaje automático para la búsqueda de estrategias de control epidemiológico”, dirigida por Jorge Velázquez Castro, docente e investigador de la Facultad de Ciencias Físico Matemáticas (FCFM).
Su trabajo reúne Aprendizaje por Refuerzo, Aprendizaje Profundo, redes neuronales artificiales y un modelo epidemiológico SIR para construir un entorno simulado en el que los algoritmos pueden explorar distintas estrategias de control.
De los bots a una simulación epidemiológica
Una de las conexiones más particulares del proyecto surgió del interés de Hernández Higuera por los videojuegos y el entrenamiento de bots.
Ese punto lo llevó a trabajar con Q-learning, un algoritmo de aprendizaje por refuerzo mediante el cual un agente prueba acciones, recibe información sobre sus resultados y ajusta progresivamente sus decisiones.
En la tesis, esa lógica fue trasladada a un escenario distinto: una simulación de propagación epidemiológica.
El Aprendizaje por Refuerzo permitió construir y explorar ese ambiente con el objetivo de encontrar estrategias de control, mientras el Deep Learning se incorporó para aumentar la eficiencia de los algoritmos mediante redes neuronales artificiales.
Un modelo SIR sirve como escenario para la IA
La simulación epidemiológica se apoya en un modelo matemático SIR, utilizado para representar de manera simplificada cómo evoluciona una enfermedad dentro de una población.
Este tipo de modelo organiza la población en tres grupos: susceptibles, infectados y recuperados. A partir de esas variables, el sistema puede representar distintos escenarios de transmisión.
Sobre ese ambiente matemático, el algoritmo de aprendizaje por refuerzo evalúa decisiones y sus consecuencias. El objetivo académico es buscar estrategias de control dentro de una simulación, no operar directamente sobre pacientes ni sustituir decisiones sanitarias.
La combinación permite enlazar herramientas de ciencia de datos, matemáticas e Inteligencia Artificial con un problema de investigación epidemiológica.
Ciencia de datos para problemas de gran escala
Durante el posgrado, Hernández Higuera adquirió herramientas para trabajar con grandes volúmenes de información, desarrollar algoritmos y construir métodos aplicables a proyectos científicos de distintas áreas.
Su interés por cursar esta maestría surgió al observar que los algoritmos computacionales, particularmente los relacionados con IA, pueden utilizarse para abordar algunos de los problemas más complejos dentro de la ciencia.
La formación del programa exige conocimientos en probabilidad, estadística, cálculo, álgebra lineal y programación, además de habilidades para el razonamiento cuantitativo y la solución interdisciplinaria de problemas.
La maestría fue creada en 2023
La Maestría en Investigación en Ciencia de Datos forma parte de la oferta de la Facultad de Ciencias Físico Matemáticas y fue aprobada por el Consejo Universitario de la BUAP en noviembre de 2023.
Desde su creación, el programa fue planteado para formar especialistas capaces de resolver problemas relacionados con ciencia, ingeniería y actuaría mediante matemáticas, estadística y herramientas computacionales.
El egreso de Hernández Higuera representa ahora el primer resultado terminal del posgrado, poco menos de tres años después de su aprobación.
La FCFM también ha ampliado esta área académica con un Doctorado en Investigación en Ciencia de Datos, orientado al desarrollo de modelos estadísticos, aprendizaje automático, programación y aplicación de metodologías computacionales a problemas reales.
El recorrido del primer egresado muestra una de las posibilidades de esa formación: partir de conceptos utilizados para entrenar bots en entornos virtuales y convertirlos en herramientas para estudiar, mediante simulaciones, problemas científicos vinculados con la propagación de enfermedades.
*OCR
