Biografía:
Jaime Pizarroso obtuvo los títulos de Ingeniero Industrial (especialidad Electrónica), Doble Máster en Ingeniería Industrial e Industria Conectada y Doctor por la Universidad Pontificia Comillas en 2017, 2019 y 2023, respectivamente. Al acabar el doctorado se incoporó como Profesor Colaborador Asistente al Departamento de Telemática y Computación, donde actualmente imparte asignaturas de grado sobre aprendizaje automático, procesamiento de lenguaje natural, análisis de series temporales y aprendizaje profundo. Compatibiliza su labor docente con la realización de proyectos de investigación en el Instituto de Investigación Tecnológica (IIT), fundamentalmente en temas relacionados con el análisis de datos y en aplicaciones de la inteligencia artificial.
Experiencia:
La trayectoria profesional de Jaime incluye roles importantes como Científico de Datos de I+D en Nommon Solutions and Technologies, Ingeniero de Diseño Microelectrónico en CRISA y Investigador Asociado en el Instituto de Investigación en Tecnología, IIT. Su trabajo ha sido marcado por la aplicación de modelado predictivo, desarrollo de productos innovadores y la implementación de aprendizaje automático y diagnóstico de procesos a través del análisis de datos. Además de sus empeños profesionales, Jaime ha contribuido a la comunidad científica a través de sus artículos publicados en revistas de prestigio. Su trabajo incluye investigación sobre el análisis de sensibilidad de las redes neuronales y el análisis de interacciones de entrada en modelos MLP.
Habilidades:
- Idiomas: Español (nativo), Inglés (C2), Alemán (A2)
- Lenguajes de programación: Python, R, MATLAB, LaTeX
- Librerías y frameworks: TensorFlow, Pytorch, Keras, Shiny, Streamlit
- Herramientas de desarrollo de software: Git, SVN
- Software: Python, Matlab, RStudio, VS Code, Análisis de datos, Machine Learning
Intereses de investigación actuales:
Inteligencia Artificial, Aprendizaje automático con redes neuronales, Inteligencia Artificial Explicable.
Pizarroso, J., Portela, J., Muñoz, A., NeuralSens: sensitivity analysis of neural networks. Journal of Statistical Software. Vol. 102, nº. 7, pp. 1 - 36, Abril 2022. 
JCR: 5,800 Q1 (2022); - SJR: 2,722 Q1 (2022); 
