Nace en Cartagena en 1992. En 2022 obtiene el grado en Administración y Dirección de Empresas por la Universidad Politécnica de Cartagena, habiendo obtenido el premio fin de grado de su promoción. A continuación, cursa el máster en Contabilidad y Finanzas Corporativas en la Universidad Politécnica de Cartagena obteniendo el título de máster en el año 2023. Anteriormente obtuvo el grado en Traducción e Interpretación de Inglés por la Universidad de Murcia en el año 2014, y es diplomado en Peritaje Lingüístico Forense por la Universitat Pompeu Fabra, desde el año 2015. Desde febrero hasta agosto de 2024, disfrutó de una beca de iniciación a la actividad investigadora en el Departamento de Economía, Contabilidad y Finanzas de la Universidad Politécnica de Cartagena para el estudio de los factores que influyeron en el fracaso empresarial en el período post-covid. En el año 2024, obtiene una ayuda de la Fundación Séneca para realizar la tesis doctoral en la Universidad Politécnica de Cartagena. Posee comunicaciones en congresos nacionales, así como una publicación científica en una revista de carácter nacional e internacional. Domina los idiomas español, inglés y francés.
El presente proyecto de tesis investiga cómo la autocorrelación espacial puede sesgar las predicciones por medio de algoritmos de aprendizaje automático y propone un marco teórico para reducir este sesgo. Para ello, nos enfocamos en datos georreferenciados, donde la relación espacial entre observaciones es crítica. Esto se debe a que la autocorrelación espacial genera dependencias no consideradas por los algoritmos convencionales, lo que afecta a la precisión de las estimaciones. Además, la validación cruzada tradicional no se adapta bien a los datos espaciales, lo que genera problemas de sobreajuste.
De este modo, proponemos el desarrollo de nuevas técnicas que incorporen variables espaciales y ajustes en los modelos de aprendizaje automático para captar mejor las dependencias espaciales. Asimismo, desarrollaremos un sistema de validación cruzada ajustado a la estructura espacial de los datos.
Una vez desarrollado el estudio metodológico, el siguiente paso es aplicar dicha metodología a contextos de importante relevancia social, como la economía digital, el cambio climático en el contexto agrícola o los precios de la vivienda, entre otros. De este proyecto de tesis se espera mejorar la precisión de las predicciones en contextos espaciales y ayudar a crear herramientas aplicables a diversas disciplinas como la economía, la geografía o la epidemiología.
Economía
Modelización Económica y Estadística
Director: Manuel Ruiz Marín
Programa Interuniversitario en Economía (DECIDE)
27/09/2023
En desarrollo
