Garrido Merchán, Eduardo César

Categoría: Colaborador Asistente de la Facultad de Ciencias Económicas y Empresariales (ICADE), Departamento de Métodos Cuantitativos

El profesor Eduardo C. Garrido Merchán estudió en la Universidad Pontificia de Comillas, donde se graduó con premio extraordinario de su promoción en Ingeniería Informática. Es Master en Inteligencia Artificial por la Universidad Politécnica de Madrid. Doctor Cum Laude en Ingeniería Informática y de Telecomunicación por el grupo de Aprendizaje Automático de la Universidad Autónoma de Madrid en su tesis doctoral sobre Optimización Bayesiana. Sus intereses actuales de investigación, a nivel cuantitativo, son la Optimización Bayesiana basada en teoría de la información y multi-objetivo, el machine learning automático, aplicaciones y avances metodológicos de inteligencia artificial y de machine learning. En el año 2021 comienza su docencia en la Facultad de Ciencias Económicas y Empresariales de la Universidad Pontificia Comillas, donde imparte los cursos de Machine Learning, Estadística y Modelos Cuantitativos. Supervisa investigadores interesados en diseñar nuevos modelos de machine learning y optimización bayesiana y en aplicar modelos cuantitativos, modelos de machine learning o econométricos en problemas sociales y económicos.

Contacto

Despacho: AA-29 Primer piso

Teléfono: 682246194

Correo electrónico: ecgarridocomillas.edu

Perfil del investigador CV externo / LinkedIn

Formación académica

Doctorado en Ingeniería Informática y de Telecomunicación, Universidad Autónoma de Madrid.

Máster Universitario en Inteligencia Artiicial, Universidad Politécnica de Madrid.

Grupos de Investigación

Innovación docente y Analytics (GIIDA).

Áreas de Investigación

Optimización Bayesiana.

Aprendizaje Automático.

Inteligencia Artificial.

Experiencia docente

El profesor Eduardo César Garrido Merchán tiene 3 años de experiencia en esta Universidad, y en los últimos años ha impartido las siguientes asignaturas:


  • Inteligencia Artificial Generativa para la Productividad y la Creatividad

  • Módulo 1: Ciencias y tecnologías

  • Optativas complementarias: Advanced Data Analytics for Business

  • Modelos Cuantitativos para la Economía y la Empresa

  • Aprender: Herramientas del Investigador

  • Estadística Empresarial

  • Machine Learning I: Regresión y clasificación / Machine Learning I: Regression and classification

  • Trabajo fin de Grado

  • Trabajo Fin de Máster

  • Análisis de Datos y Visualización

  • Métodos Cuantitativos aplicados a la empresa

Publicaciones Seleccionadas
  • E. C. Garrido Merchán, D. Fernández Sánchez, D. Hernández Lobato, Parallel predictive entropy search for multi-objective Bayesian optimization with constraints applied to the tuning of machine learning algorithms. Expert Systems with Applications. Págs. 1-28, Diciembre de 2022.. ISSN: 0957-4174.
  • E. C. Garrido Merchán. Comunicacion. El rol del ser humano dentro de la ciencia en la edad de la inteligencia artificial. Vol. --, nº. 2022, págs. -----, Madrid, Madrid.. ISBN/ISSN/Depósito Legal/Página Web: https://www.ufv.es/el-proximo-congreso-razon-abierta-se-celebrara-los-proximos-dias-23-y-24-de-mayo-en-la-universidad-francisco-de-vitoria/. Repositorio: http://hdl.handle.net/11531/68075.
  • E. C. Garrido Merchán, M. Molina, F. Mendoza Soto, A Global Workspace Model Implementation and its Relations with Philosophy of Mind. Journal of Artificial Intelligence and Consciousness. Vol. 9, nº 1, págs. 1-28, 2022.. ISSN: 2705-0785. Repositorio: http://hdl.handle.net/11531/66165.
  • L. Asencio Martin, E. C. Garrido Merchán. Congreso. A Similarity Measure of Gaussian Process Predictive Distributions. Vol. 12882, págs. 150-159, Madrid, 2021.. ISBN/ISSN/Depósito Legal/Página Web: 978-3-030-85713-4. Repositorio: http://hdl.handle.net/11531/67888.
  • E. C. Garrido Merchán. Tesis Doctoral. Advanced Methods for Bayesian Optimization in Complex Scenarios. 2021.. ISBN/ISSN/Depósito Legal/Página Web: https://repositorio.uam.es/bitstream/handle/10486/699441/garrido_merchan_eduardo.pdf?sequence=1. Repositorio: http://hdl.handle.net/11531/64693.
  • L. C. Jariego Perez, E. C. Garrido Merchán. Comunicante. Towards Automatic Bayesian Optimization: A First Step Involving Acquisition Functions. Vol. 12882, págs. 160-169, Madrid, 2021.. ISBN/ISSN/Depósito Legal/Página Web: 978-3-030-85713-4. Repositorio: http://hdl.handle.net/11531/67844.
  • E. C. Garrido Merchán. Comunicante. Transhumanismo y Consciencia Fenoménica. Madrid, 01/08/2021.. ISBN/ISSN/Depósito Legal/Página Web: https://premiosrazonabierta.org/congreso-razon-abierta-2021-transhumanismo/. Repositorio: http://hdl.handle.net/11531/66158.
  • C. Puente Águeda, E. C. Garrido Merchán, Fuzzy Stochastic Timed Petri Nets for Causal Properties Representation. New Mathematics and Natural Computation. Vol. 1, nº 1, págs. 0-15, Abril de 2021.. ISSN: 1793-7027. Repositorio: http://hdl.handle.net/11531/56008.
  • E. C. Garrido Merchán, T. D. M. H. D. S. G. ., A comparison of optimisation algorithms for high-dimensional particle and astrophysics applications. Journal of High Energy Physics. Vol. 22, págs. 10-108, 2021.. ISSN: 1126-6708. Repositorio: http://hdl.handle.net/11531/64689.
  • C. Villacampa Calvo, B. Zaldivar, E. C. Garrido Merchán, D. Hernández Lobato, Multi-class Gaussian Process Classification with Noisy Inputs. Journal of Machine Learning Research. Vol. 22, págs. 1-52, 2021.. ISSN: 1532-4435. Repositorio: http://hdl.handle.net/11531/64682.
  • E. C. Garrido Merchán, C. Puente Águeda, R. Palacios Hielscher. Paper HAIS. Fake News Detection by means of Uncertainty Weighted Causal Graphs. Vol. 12344, págs. 13-24, Madrid, 2020.. ISBN/ISSN/Depósito Legal/Página Web: 978-3-030-61705-9. Repositorio: http://hdl.handle.net/11531/67843.
  • E. C. Garrido Merchán, D. Hernández Lobato, Dealing with categorical and integer-valued variables in Bayesian optimization with Gaussian processes. Neurocomputing. Vol. 380, págs. 20-35, 2020.. ISSN: 0925-2312. Repositorio: http://hdl.handle.net/11531/59914.
  • E. C. Garrido Merchán, S. Gonzalez Carvajal. . Comparing BERT against traditional machine learning text classification. 17/07/2020.. ISBN/ISSN/Depósito Legal/Página Web: https://caepia20-21.uma.es/cfp_es.html?lang=es. Repositorio: http://hdl.handle.net/11531/66166.
  • E. C. Garrido Merchán, M. Molina. Congreso. A Machine Consciousness Architecture Based on Deep Learning and Gaussian Processes. Vol. 12344, págs. 350-361, Madrid, 2020.. ISBN/ISSN/Depósito Legal/Página Web: 978-3-030-61705-9. Repositorio: http://hdl.handle.net/11531/67887.
  • E. C. Garrido Merchán, D. Hernández Lobato, Predictive Entropy Search for Multi-objective Bayesian Optimization with Constraints. Neurocomputing. Vol. 361, págs. 50-68, 2019.. ISSN: 0925-2312. Repositorio: http://hdl.handle.net/11531/59915.
  • E. C. Garrido Merchán, C. Puente Águeda, J. A. Olivas Varela. Congreso. Generating a Question Answering System from Text Causal Relations. Vol. 11734, págs. 14-25, 2019.. ISBN/ISSN/Depósito Legal/Página Web: 978-3-030-29859-3. Repositorio: http://hdl.handle.net/11531/67886.
  • L. Cornejo Bueno, E. C. Garrido Merchán, S. Salcedo Sanz, D. Hernández Lobato, Bayesian optimization of a hybrid system for robust ocean wave features prediction. Neurocomputing. Págs. 818-828, 2019.. ISSN: 0925-2312. Repositorio: http://hdl.handle.net/11531/64681.
  • I. Cordoba Sanchez, E. C. Garrido Merchán, D. Hernández Lobato, C. Bielza, P. Larrañaga Mujica. Congreso. Bayesian optimization of the PC algorithm for learning Gaussian Bayesian networks. Vol. 11160, págs. 44-54, Madrid, 2018.. ISBN/ISSN/Depósito Legal/Página Web: 978-3-030-00374-6. Repositorio: http://hdl.handle.net/11531/67884.
  • E. C. Garrido Merchán, A. Albarca Molina. Congreso. Suggesting Cooking Recipes Through Simulation and Bayesian Optimization. Vol. 11314, págs. 277-284, Madrid, 2018.. ISBN/ISSN/Depósito Legal/Página Web: 978-3-030-03493-1. Repositorio: http://hdl.handle.net/11531/67885.
  • C. Puente Águeda, A. Sobrino Cerdeiriña, J. A. Olivas Varela, E. C. Garrido Merchán, Summarizing information by means of causal sentences through causal graphs (Journal). Journal of Applied Logic. Vol. 24, págs. 3-14, 2018.. ISSN: 1570-8683. Repositorio: http://hdl.handle.net/11531/67847.
Otras actividades relevantes

Revisor de las principales conferencias de machine learning: NeurIPS, ICML, UAI, AIStats, AAAI..

Miembro externo del Grupo de Machine Learning de la UAM y del Grupo de Estadística Computacional de la LMU..

Experiencia profesional

Profesor Colaborador Asistente en la Universidad Pontificia de Comillas.

Profesor Ayudante en la Universidad Autónoma de Madrid..

Científico de Datos en Séntisis..

Consultor de Negocio en Management Solutions..

Acreditaciones externas

Sexenio Campo 6.2 - Ingenierías y Arquitectura - Ingenierías de la Comunicación, Computación y Electrónica (2018-2023)..

Formación adicional

Deep Reinforcement Learning Hugging Face course 2023.

Gaussian Process Summer School 2020.

Machine Learning Summer School 2018.

© Universidad Pontificia Comillas - C/ Alberto Aguilera 23 - 28015 Madrid - Tlf. (34) 91 542 28 00