Dr. Juan José Tapia Armenta
Investigador de tiempo completo
Responsable del Laboratorio de Ciencia de Datos
SNI: Nivel I
jtapiaa@ipn.mx
Doctorado en Ciencias de la Computación (2008), Centro de Investigación Científica y de Educación Superior de Ensenada (CICESE).
Maestría en Ciencias en Ciencias de la Computación (2000), Centro de Investigación Científica y de Educación Superior de Ensenada (CICESE).
Maestría en Ciencias en Sistemas Digitales (1998), Centro de Investigación y Desarrollo de Tecnología Digital (CITEDI-IPN).
Licenciatura en Física y Matemáticas (1991), Instituto Politécnico Nacional.
Miembro del Sistema Nacional de Investigadoras e Investigadores: Nivel I
Miembro de la Red de Inteligencia Artificial y Ciencia de Datos del IPN.
ORCID 0000-0001-7971-1419
Google Scholar
El Dr. Juan Tapia ha dirigido proyectos de investigación, entre ellos un proyecto de la convocatoria UC-MEXUS en colaboración con la Universidad de California en Santa Barbara, y recientemente, obtuvo apoyo de Amazon Web Services (AWS) para el desarrollo de un proyecto de investigación, en el marco de la convocatoria emitida por el Gobierno del Estado de Baja California.
Nombre del proyecto | Periodo | Fuente | Descripción |
Inteligencia artificial general basada en modelos con capacidad de razonamiento y aplicaciones de aprendizaje automático | 2025 | SIP-IPN | Diseñar e implementar algoritmos de inteligencia artificial general con neuroevolución de arquitecturas cognitivas con la finalidad de optimizar su entrenamiento; y desarrollar aplicaciones de aprendizaje automático. |
Modelado matemático y ciencia de datos con algoritmos de cómputo de alto rendimiento. | 2024 | SIP-IPN | Desarrollar algoritmos de cómputo de alto rendimiento para aplicaciones de modelado matemático y ciencia de datos. |
Desarrollo de algoritmos de cómputo de alto rendimiento, ciencia de datos y aprendizaje automático | 2023-2024 | RedCIBaja-AWS | Desarrollar algoritmos con cómputo de alto rendimiento para resolver problemas de dinámica de fluidos y clasificación de objetos estelares, como estrellas, galaxias y asteroides |
Aceleración en GPU de algoritmos de modelado matemático, ciencia de datos y aprendizaje automático. | 2023 | SIP-IPN | Acelerar el procesamiento de cómputo en GPU para resolver aplicaciones de modelado matemático, ciencia de datos y aprendizaje automático. |
Algoritmos de inteligencia artificial y ciencia de datos en múltiples nodos con múltiples GPUs | 2022 | SIP-IPN | Desarrollar algoritmos que aprovechen las nuevas arquitecturas de procesamiento paralelo para resolver problemas de inteligencia artificial y ciencia de datos. |
Aplicaciones de ciencia de datos y aprendizaje automático con cómputo de alto rendimiento | 2021 | SIP-IPN | Desarrollar algoritmos con estrategias de ciencia de datos y aprendizaje automático para implementar aplicaciones de datos masivos con cómputo de alto rendimiento |
Optimización del comportamiento caótico de sistemas de orden fraccional usando algoritmos evolutivos | 2020 | SIP-IPN | Proponer, diseñar e implementar algoritmos con cómputo de alto rendimiento, cómputo evolutivo y ciencia de datos para la identificación de estrellas variables. |
Cómputo de alto rendimiento en modelado matemático, metaheurísticas y ciencia de datos. | 2019 | SIP-IPN | Proponer, diseñar e implementar algoritmos de cómputo de alto rendimiento para resolver problemas de modelado matemático, metaheurísticas de optimización y ciencia de datos. |
El Dr. Tapia cuenta con artículos publicados en revista JCR, en revistas arbitradas y capítulos en libro. A continuación, se enlistan los productos científicos más recientes publicados en revistas internacionales de prestigio.
Developing a quantum genetic algorithm in MATLAB using a quantum device on AWS
Rosales-Alvarado, S.S., Montiel, O., Orozco-Rosas, U., Tapia, J.J.
In: Melin, P., Castillo, O. (eds) New Directions on Hybrid Intelligent Systems Based on Neural Networks, Fuzzy Logic, and Optimization Algorithms. Studies in Computational Intelligence. 2024
GSGP-CUDA — A CUDA framework for geometric semantic genetic programming
Leonardo Trujillo, José Manuel Muñoz-Contreras, Daniel E. Hernández, Mauro Castelli, Juan José Tapia-Armenta. 2022
On the analysis of hyper-parameter space for a genetic programming system with iterated F-Race
Leonardo Trujillo, Ernesto Álvarez González, Edgar Galván, Juan José Tapia Armenta, Antonio Ponsich. 2020
Construction of conditional probability tables of Bayesian networks using ontologies and Wikipedia
Alan Ramírez Noriega, Reyes Juárez Ramírez, Juan J Tapia, Victor H Castillo, Samantha Jiménez. 2019
Relations between touch target size and drag distance in mobile applications for users with autism spectrum disorders
Angeles Quezada, Reyes Juárez Ramírez, Samantha Jiménez, Juan José Tapia Armenta, Rodolfo Villarroel, Roberto Muñoz. 2018
El Dr. Tapia Armenta cuenta con el registro de derechos de autor de 2 obras ante el Indautor.
El Dr. Tapia ha dirigido dos tesis de licenciatura, tres tesinas de especialidad, 12 tesis de maestría y dos de doctorado, en las áreas de modelado matemático, sistemas inteligentes y cómputo de alto rendimiento.
Actualmente, está dirigiendo los siguientes trabajos de tesis:
Programa de Maestría en Ciencias
• Algoritmos de aprendizaje automático para planificar los costos de producción en una empresa con un enfoque de analítica empresarial.
Programa de Doctorado en Ciencias
• Clasificador morfológico-espectral del catálogo fotométrico J-PLUS con técnicas de aprendizaje automático.
• Aprendizaje automático aplicado a la clasificación taxonómica de asteroides basada en el análisis de datos espectroscópicos y fotométricos.
• Aceleración del procesamiento multi-GPU para la solución numérica de las ecuaciones de Navier-Stokes.
• Neuroevolución de arquitecturas cognitivas aplicada a aprendizaje reforzado.
INSTITUTO POLITÉCNICO NACIONAL
D.R. Instituto Politécnico Nacional (IPN). Av. Luis Enrique Erro S/N, Unidad Profesional Adolfo López Mateos, Zacatenco, Alcaldía Gustavo A. Madero, C.P. 07738, Ciudad de México. Conmutador: 55 57 29 60 00 / 55 57 29 63 00.
Esta página es una obra intelectual protegida por la Ley Federal del Derecho de Autor, puede ser reproducida con fines no lucrativos, siempre y cuando no se mutile, se cite la fuente completa y su dirección electrónica; su uso para otros fines, requiere autorización previa y por escrito de la Dirección General del Instituto.
