Carlos García Hernán

Carlos García Hernán

Followers of Carlos García Hernán267 followers
location of Carlos García HernánGreater Madrid Metropolitan Area

Connect with Carlos García Hernán to Send Message

Connect

Connect with Carlos García Hernán to Send Message

Connect
  • Timeline

  • About me

    Little AI Founder | Lead Data Scientist at Instituto de Ingeniería del Conocimiento (IIC)

  • Education

    • Universidad Politécnica de Madrid

      2019 - 2020
      Máster Universitario en Inteligencia Artificial Computational Science
    • Universidad Rey Juan Carlos

      2015 - 2019
      Ingeniería de Computadores Computational Science
    • Universidad Rey Juan Carlos

      2020 - 2021
      Máster en Data Science Computational Science
  • Experience

    • Instituto de Ingeniería del Conocimiento (IIC)

      Sept 2018 - now
      • Lead Data Scientist en el área de Business and Language Analytics

        Jan 2022 - now
      • Data Scientist en el área de Social Business Analytics

        Feb 2020 - Dec 2021
      • Analista de software en el área de Social Business Analytics

        Mar 2019 - Jan 2020
      • Becario en el área de Social Business Analytics

        Sept 2018 - Feb 2019
    • Little AI

      Mar 2024 - now
      Fundador
  • Licenses & Certifications

  • Honors & Awards

    • Awarded to Carlos García Hernán
      Matrícula de Honor en TFG: Deep Learning para clasificación de imágenes Universidad Rey Juan Carlos July 1, 2019 Trabajo de fin de grado enfocado en la detección de cáncer mediante diferentes técnicas de Deep Learning, más concretamente redes neuronales convolucionales y redes generativas adversarias.Para dicho trabajo se han usado las librerías más populares para Deep Learning como son Tensorflow, Keras y Scikit-learn.El trabajo consta de dos partes diferenciadas. La primera, que se centra en la implementación de las redes neuronales convolucionales y la mejora de estos modelos mediante… Show more Trabajo de fin de grado enfocado en la detección de cáncer mediante diferentes técnicas de Deep Learning, más concretamente redes neuronales convolucionales y redes generativas adversarias.Para dicho trabajo se han usado las librerías más populares para Deep Learning como son Tensorflow, Keras y Scikit-learn.El trabajo consta de dos partes diferenciadas. La primera, que se centra en la implementación de las redes neuronales convolucionales y la mejora de estos modelos mediante diferentes técnicas de optimización. Y una segunda parte enfocada en el aumento del conjunto de datos inicial mediante redes generativas adversarias, para con este dataset, tratar de mejorar la clasificación de los modelos iniciales.Como conclusión se obtuvo que el modelo más exitoso, aún con espacio de mejora, clasificaba lesiones de tipo cancerígenas mejor que la mayoría de expertos humanos. Show less