El continuo crecimiento de los datos en disciplinas como la bioinformática, la neurociencia, el análisis de grafos y el procesamiento en línea ha motivado el desarrollo de algoritmos escalables que permitan un procesamiento eficiente en espacio y tiempo. En esta charla se presentarán ejemplos concretos de algoritmos propuestos y en desarrollo que combinan distintas técnicas algorítmicas para abordar problemas relevantes en estos dominios. Primero, se explorarán aplicaciones basadas en grafos, incluyendo algoritmos para la identificación de complejos de proteínas, estructuras compactas de grafos mediante representaciones basadas en cliques, y el uso de bicliques en el cómputo de la exponenciación de matrices dispersas. Luego, se presentará un algoritmo de clustering que combina enfoques clásicos en grafos con procesamiento paralelo, aplicado al análisis de datos en neurociencia. Finalmente, se mostrarán aplicaciones en bioinformática donde se emplean estructuras de datos probabilísticas y técnicas de paralelismo para el cálculo eficiente de similitud genómica.

Biografía:

Cecilia Hernández es profesor asociado del Departamento de Ingeniería Informática de la Universidad de Concepción. Obtuvo su Master of Science en la Universidad de Washington en Seattle y su Doctorado en Ciencias de la Computación de la Universidad de Chile. Sus intereses de investigación incluyen el diseño de algoritmos escalables para el manejo de grandes volúmenes de datos. Su trabajo se aplica a áreas como la bioinformática, la neurociencia, el análisis de tráfico de red y el análisis de grafos, donde combina teoría algorítmica, programación paralela y técnicas avanzadas de representación de datos, como estructuras compactas y estructuras de datos probabilísticas, para resolver problemas complejos de forma eficiente tanto en tiempo de cómputo como en uso de memoria.