Soy Ingeniero Electrónico orientado a la investigación científica y especializado en la convergencia entre Machine Learning (ML), Inteligencia Artificial (IA) y sistemas IoT. Actualmente, estoy concluyendo mi Maestría en Ingeniería (Mecatrónica) en el Instituto Tecnológico de Mérida, donde mi investigación se ha centrado en la prognosis de daño estructural en materiales compuestos utilizando redes neuronales recurrentes (LSTM y GRU).
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.