Reconocimiento Visual: reconocimiento de objetos y escenas, segmentación semántica
Aprendizaje de Máquina: deep learning, structured learning
Optimización: problemas de gran escala, regularización
Sistemas Inteligentes de Transporte
Big Data: smart cities, plataformas (Hadoop, Spark)
Doctor en Ciencias de la Ingeniería, mención Ciencia de la Computación, de la Pontificia Universidad Católica de Chile. Su tesis titulada “Un Enfoque de Reconocimiento Visual basado en Modelos Jerarquicos Composicionales Profundos, Eficientes y Compactos y Técnicas de Máximo Margen Estructuralmente Regularizadas”, centrada en tópicos avanzados de Aprendizaje de Máquina y Reconocimiento Visual, recibió el premio a la mejor tesis doctoral del año 2016 de la Pontificia Universidad Católica de Chile en el área de Tecnología, Ingeniería y Procesos Productivos. Recibió además su grado de Magíster en Ciencias de la Ingeniería, mención Ciencia de la Computación y su título de Ingeniero Civil de Computación, ambos de la Pontificia Universidad Católica de Chile, en 2009 y 2007 respectivamente.
Desde el año 2016 es Profesor Asistente de los departamentos de Ingeniería de Transporte y Logística y de Ciencia de la Computación. Sus áreas de interés se centran en el desarrollo y aplicación de nuevos métodos de aprendizaje de máquina a problemas relacionados con Smart Cities y Sistemas Inteligentes de Transporte, donde se aproveche el uso de volúmenes masivos de datos de fuentes heterogéneas.
Mejor Tesis Doctoral en el área de Tecnología, Ingeniería y Procesos Productivos, por tesis titulada “Un Enfoque de Reconocimiento Visual basado en Modelos Jerarquicos Composicionales Profundos, Eficientes y Compactos y Técnicas de Máximo Margen Estructuralmente Regularizadas”, Pontificia Universidad Católica de Chile.
Mejor paper de un estuadiante por trabajo titulado “Joint Dictionary and Classifier Learning for Categorization of Images Using a Max-margin Framework”, 6th Pacific-Rim Symposium on Image and Video Technology, 2013.