Machine Learning for Mental Health: New Developments and Applications Using Multimodal Data

Machine Learning for Mental Health: New Developments and Applications Using Multimodal Data

El principal objetivo de esta propuesta es desarrollar metodologías de aprendizaje estadístico/automático para el análisis de datos con estructuras complejas, partiendo de la experiencia aplicada adquirida en el desarrollo del proyecto FONDEF 1141057. Esta investigación se centra en seis aspectos: (i) modelos mixtos flexibles para modelar trayectorias en dominios complejos; (ii) flexibilizar los modelos de cura utilizando algoritmos de machine learning como bosques aleatorios o redes neuronales; (iii) desarrollar modelos de supervivencia espacial usando cópulas; iv) desarrollar algoritmos eficientes de aprendizaje profundo usando datos multimodales; v) extraer información importante de intervenciones o escritos de los pacientes usando técnicas de proceso de lenguaje natural en castellano; y (vi) aplicaciones de los modelos propuestos en algunos escenarios interesantes y motivadores.

Director: Rolando de la Cruz

Deputy Director: Claudia Durán-Aniotz

Pi: Agustín Ibañez, Gonzalo Ruz y Moreno Bevilacqua

Support: ANID/Anillo

 

 

Social Media
Instagram