Nuevo seminario de la serie “Nuevas soluciones con Big Data” organizados por el UC3M-Santander Big Data Institute (IBiDat) donde se presentarán problemas reales en distintos campos y la solución aportada utilizando todos los datos disponibles. Los seminarios intentan ser un punto de encuentro de profesionales y académicos para presentar problemas y analizar posibles soluciones basadas en Big Data.

El siguiente seminario será el viernes 14 de octubre a las 12:30 en formato online y finalizará a las 13:30.

En esta ocasión el seminario tendrá como título Use of AI in Financial Institutions  y será impartido por Daniel Borrajo https://es.linkedin.com/in/daniel-borrajo-2a63864 , que cuenta con más de 35 años de experiencia de trabajo en IA, tanto en el ámbito de la investigación como en el desarrollo de soluciones de IA para empresas. Sus principales intereses de investigación se centran en la integración de los dos principales paradigmas de la IA: el basado en modelos (por ejemplo, la planificación de la IA) y el libre de modelos (por ejemplo, el aprendizaje automático). Ha publicado más de 200 artículos en revistas y conferencias internacionales. Ha sido presidente del programa de conferencias internacionales relacionadas con la IA, participa regularmente en el comité del programa de las principales conferencias internacionales sobre IA y actualmente es editor asociado del Artificial Intelligence Journal.

Artificial Intelligence (AI) is currently being used within all sectors to provide useful solutions to a wide variety of human-related problems. This talk will cover some examples of its use within financial institutions. Financial institutions offer an environment rich of open problems which can be addressed by using AI. Given that AI includes many different kinds of techniques apart from Machine learning (ML), the talk will focus on the use of other subfields of AI, which can be easily combined with ML techniques. The talk will cover examples ranging from helping people generate plans for their finances, to creating synthetic data using simulators.