Nahuel Costa, PhD

Nahuel Costa, PhD

Investigador en Inteligencia Artificial 🤖 Profesor AYD Doctor

Universidad de Oviedo

Biografía

Mi investigación se centra en maximizar el potencial del machine learning para anticipar potenciales problemas y apoyar en la toma de decisiones en sistemas monitorizables (tanto biológicos como industriales), especialmente en escenarios con datos limitados. En el campo biomédico, he trabajado en problemas como la detección y clasificación de arritmias, análisis de imágenes de rayos X y PET funcionales de pacientes en coma. En la parte industrial, he trabajado en el diagnóstico y pronóstico de baterías de litio-ion, motores de aviación, y ventiladores industriales. Estoy interesado particularmente en desarrollar modelos que sean robustos y efectivos, pero también interpretables y fácilmente accesibles a personas no expertas en ML/IA.

Como docente, mi objetivo es transmitir mi entusiasmo a los estudiantes y proporcionarles las herramientas necesarias para definir y perseguir sus propios objetivos. También me encanta divulgar sobre mi trabajo y sobre IA en general. Aquí puedes ver charlas y cursos que he dado.

💬 No dudes en ponerte en contacto conmigo si estás interesado en mi investigación, si deseas colaborar o estás interesado en alguna charla o formación para tu empresa/organización.
✉️ Puedes enviarme un mensaje a costanahuel@uniovi.es o a cualquiera de mis otras redes sociales, intentaré responderte lo antes posible!

Intereses
  • Prognosis & Health Management
  • Modelos generativos (GANs, VAEs, Flows, Transformers, Difussion)
  • Adaptación de dominio
  • Survival prediction
  • IA interpretable
  • Predicción conformal
  • LLMs and RAG
Educación
  • PhD en Inteligencia Artificial, 2023

    Universidad de Oviedo

  • Master en Ingeniería Informática, 2020

    UUniversidad de Oviedo

  • Grado en Ingeniería Informática, 2019

    Universidad de Oviedo

Experiencia de Investigación

 
 
 
 
 
Universidad de Oviedo
Profesor AYD Doctor
Universidad de Oviedo
sept. 2023 – Actualmente

Supervisando varios trabajos de fin de grado y codirigiendo una tesis doctoral en “Pronóstico de enfermedades degenerativas mediante técnicas de aprendizaje no supervisado y parcialmente supervisado”.

Asignaturas que imparto:

Apuntes de redes generativas

Apuntes de minería de texto

Apuntes de algoritmia

Proyectos de innovación docente:

  • Creación y optimización automatizada de cuestionarios en Moodle mediante análisis de aprendizaje, aplicación a lenguajes de programación de aprendizaje

 
 
 
 
 
Universidad de Oviedo
Profesor sustituto
Universidad de Oviedo
feb. 2021 – ago. 2023

Co-Supervisor de cuatro trabajos de fin de grado (dos de ellas obtenidas con matrícula de honor)

Asignaturas que he impartido:

  • Inteligencia de Negocio
  • Visualización de la información
  • Algoritmia
  • Systemas Operativos
  • Bases de Datos
  • Metodología de la Programación
  • Introducción a la programación
 
 
 
 
 
Universidad de Montpellier
Estancia de investigación
Universidad de Montpellier
mayo 2023 – jul. 2023 Montpellier
Investigación y desarrollo de métodos de diagnóstico de aprendizaje automático para imágenes de tomografía por emisión de positrones (PET) en el Laboratoire d’informatique, de robotique et de microélectronique de Montpellier (LIRMM).
 
 
 
 
 
Universidad de Hawaii en Manoa
Estancia de investigación
Universidad de Hawaii en Manoa
mayo 2022 – sept. 2022 Hawaii
Investigación y desarrollo de herramientas de Machine Learning para el diagnóstico y pronóstico de baterías de iones de litio en el Hawaii Natural Energy Institute (HNEI).
 
 
 
 
 
Universidad de Oviedo
Técnico de investigación
Universidad de Oviedo
oct. 2019 – ene. 2021
Desarrollo de modelos de salud computacionales para el tratamiento de baterías recargables.
 
 
 
 
 
Universidad de Oviedo
Becario de investigación
Universidad de Oviedo
oct. 2019 – ene. 2021
Análisis de electrocardiogramas intracardíacos para la predicción de enfermedades cardiovasculares.

Tech stack


python, matlab, R, C, C++, Java

TensorFlow, PyTorch, Keras, HF Transformers, HF Diffusers, LangChain, LlamaIndex

LaTeX

Colaboraciones

Consejería Salud Logo

Total Energies Logo

Zitrón Logo

Huca Logo

Medtronic Logo

Izertis Logo

Publicaciones

Aquí puedes filtrar mis publicaciones.
(2025). Integrating imprecise data in generative models using interval-valued Variational Autoencoders. In Information Fusion.

PDF Citar Código fuente Proyecto DOI

(2024). Few-shot generative compression approach for system health monitoring. In Reliability Engineering & System Safety.

PDF Citar Código fuente Proyecto DOI

(2023). ICFormer: A Deep Learning model for informed lithium-ion battery diagnosis and early knee detection. In Journal of Power Sources.

PDF Citar Código fuente Datos Proyecto DOI

(2023). Learning remaining useful life with incomplete health information: A case study on battery deterioration assessment. In Array.

PDF Citar Proyecto DOI

(2023). Physics-informed learning under epistemic uncertainty with an application to system health modeling. In International Journal of Approximate Reasoning.

PDF Citar Proyecto DOI

(2023). Simplified models of remaining useful life based on stochastic orderings. In Reliability Engineering & System Safety.

PDF Citar Proyecto DOI

(2023). Enhancing Time Series Anomaly Detection Using Discretization and Word Embeddings. In SOCO.

PDF Citar Proyecto DOI

(2023). Data-Driven Diagnosis of PV-Connected Batteries: Analysis of Two Years of Observed Irradiance.

PDF Citar Proyecto DOI

(2022). Li-ion battery degradation modes diagnosis via Convolutional Neural Networks. In Journal of Energy Storage.

PDF Citar Código fuente Datos Proyecto DOI Demo

(2022). Weakly Supervised Learning of the Motion Resistance of a Locomotive Powered by Liquefied Natural Gas. In SOCO.

PDF Citar Proyecto DOI

(2022). Informed Weak Supervision for Battery Deterioration Level Labeling. In IPMU.

PDF Citar Proyecto DOI

(2022). Variational encoding approach for interpretable assessment of remaining useful life estimation. In Reliability Engineering & System Safety.

PDF Citar Código fuente Datos Proyecto DOI Demo

(2022). RUL-RVE: Interpretable assessment of Remaining Useful Life. In Software Impacts.

PDF Citar Código fuente Datos Proyecto DOI Demo

(2020). Graphical analysis of the progression of atrial arrhythmia using recurrent neural networks. In International Journal of Computational Intelligence Systems.

PDF Citar Código fuente Proyecto DOI

Contacto