Formación

ESO Bilingüe y Bachillerato de Ciencias en el IES Delgado Brackenbury (Las Cabezas de San Juan)
Grado en Matemáticas en la Universidad de Sevilla + Programa de movilidad SICUE en la Universidad Complutense de Madrid
Máster Universitario en Matemáticas en la Universidad de Sevilla
Actualimente en el segundo año del Programa de doctorado en Matemáticas de la Universidad de Sevilla

Un día en la vida de un científico

Yo dotaría la investigación en matemáticas de un carácter muy independiente. Llegas al despacho y te sumerjes en el problema que estás abordando, y para ello lees muchos artículos relacionados con el tema en cuestión, y junto con tu experiencia en ese campo te sientas frente a una hoja en blanco para modelar una idea abstracta que se puede acabar poniendo en palabras, con el lenguaje de las matemáticas.
En ese despacho tendrás compañeras que probablemente se dediquen a tu misma disciplina, con las que podrás compartir inquietudes, y de esas conversaciones puede salir muchas veces la solución a tus problemas. Otras veces te hará falta apartar tu problema, dedicarle la tarde a tus aficiones, y despejando la mente te sorprenderá una respuesta a la pregunta que te estabas haciendo cuando ya estás metiéndote en la cama.
Pero en la vida de una científica es muy importante el compartir el conocimiento. Y por eso en más de una ocasión te verás en que no es lunes de ir al despacho sino lunes de coger un avión a un congreso en el que compartirás tu trabajo y aprenderás del trabajo de esas pocas personas que se están especializando en lo mismo que tú. De eso te llevarás buenas ideas y, por qué no, unas buenas amistades.

Aficiones

Me gustan mucho los bailes urbanos (reggaeton, hip hop, comercial, etc.), hacer senderismo, viajar y el diseño de moda.

Centro o departamento

Instituto de Matemáticas de la Universidad de Sevilla (IMUS)

Línea de investigación en la que trabaja actualmente

Dentro del campo de la Estadística e Investigación Operativa, me centro en el campo del Aprendizaje Automático (en inglés, Machine Learning), un área de investigación compartida con la Inteligencia Artificial. Hacemos investigación sobre modelos que, a partir de un histórico de datos, nos ayudan a predecir el futuro de la manera más precisa posible en problemas como estimar el salario que cobra una jugadora de fútbol en función de sus características como deportista, o aprender a clasificar a qué especie pertenece un determinado conjunto de imágenes de animales. En concreto, trabajo con algoritmos de Aprendizaje Profundo (Deep Learning), que se basan en un aprendizaje que imita la estructura del sistema nervioso humano para aprender tareas de una forma más precisa.