Soy Ingeniero Electrónico orientado a la investigación científica especializada en la convergencia entre Machine Learning (ML), Inteligencia Artificial (IA) y sistemas IoT. Actualmente, estoy realizando mis estudios de doctorado en la Facultad de Ingeniería de la Universidad Autónoma de Yucatán, donde mi investigación se enfoca en el desarrollo de sistemas de monitoreo en el borde para realizar prognosis de daño estructural en materiales mediante redes neuronales.
Con miras al doctorado, mi enfoque se orienta al despliegue de Redes de Sensores Inalámbricos (WSN) para el Monitoreo de Salud Estructural (SHM). Busco optimizar la toma de decisiones en tiempo real mediante el procesamiento en el borde (Edge Computing), integrando arquitecturas avanzadas de aprendizaje profundo de alta eficiencia, implementadas en hardware especializado (FPGAs).
Mi objetivo es desarrollar sistemas de inferencia ultra eficientes y de baja latencia con aplicaciones que van desde el monitoreo de infraestructuras críticas a gran escala hasta dispositivos wearables y sistemas autónomos.
Prognosis y SHM: Predicción y monitoreo de daño estructural en materiales avanzados (fibra de vidrio modificada con nanotubos de carbono).
Edge AI y Hardware Acceleration: Despliegue de modelos de deep learning eficientes en FPGAs.
Sistemas Embebidos e IoT: Redes de sensores inalámbricos (WSN) optimizadas para el procesamiento local de datos y mantenimiento predictivo.