Cátedra TotalEnergies

Autor: lucianosanchez

  • Nuevas prácticas de la Cátedra (abril 2025)

    Hemos publicado dos nuevas ofertas de beca/práctica extracurricular (códigos PE-047-25 y PE-049-25):

    Inscripción en la FUO: https://lc.cx/FHhhvc

    Persona de contacto: luciano@uniovi.es

    Práctica 1: Modelos de tasa de abandono en comercializadoras
    de energía eléctrica

    Ref. y título Cátedra/ Proyecto/ Fondo en que desarrollará el periodo formativoPE-049-25: Modelos de tasa de abandono en comercializadoras
    de energía eléctrica

    CAT-22-003- Cátedra TotalEnergies de Analítica de Datos e Inteligencia Artificial
    Investigador/a ResponsableLuciano Sánchez Ramos
    Departamento Inv. Resp.Informática
    Nº plazas propuestas1
    Requisitos para presentar candidaturaEstudiantes de Grado en Ciencia e Ingeniería de Datos o Grado en Ingeniería Informática de la Universidad de Oviedo
    Tutor/a (Inv. Resp. o miembro del Equipo Investigador)Luciano Sánchez Ramos
    Plan FormativoTareas en que participará y será formado el/la becario/a:Desarrollo de modelos predictivos para la demanda de energía eléctrica.Optimización numérica de parámetros en algoritmos de decisión.Implementación de técnicas de machine learning y análisis inteligente de series temporales.
    Competencias a adquirir: Técnicas Uso de técnicas de machine learning para análisis predictivo y optimización de modelos.
    Transversales o soft skills: Trabajo en equipo, gestión de proyectos.Competencias digitales: Dominio de Python y bibliotecas de aprendizaje de máquina como TensorFlow, Keras, o PyTorch.
    Sistema de evaluación de la formación por parte del tutor: Seguimiento semanal.
    Duración prevista Fecha inicio: 02/05/2025                       Fecha fin: 31/07/2025
    Dedicación horaria20 h. semanales
    Dotación económica bruta mensual600,00 €
    Centro de realización de la actividad formativaDepartamento de Informática y Sede de TotalEnergies.

    Práctica 2: Optimización y Aprendizaje de Máquina en Modelos de Predicción de la Demanda de Energía Eléctrica

    Ref. y título Cátedra/ Proyecto/ Fondo en que desarrollará el periodo formativoPE-047-25: Optimización y Aprendizaje de Máquina en Modelos de Predicción de la Demanda de Energía Eléctrica 

    CAT-22-003- Cátedra TotalEnergies de Analítica de Datos e Inteligencia Artificial
    Investigador/a ResponsableLuciano Sánchez Ramos
    Departamento Inv. Resp.Informática
    Nº plazas propuestas1
    Requisitos para presentar candidaturaEstudiantes de Grado en Ciencia e Ingeniería de Datos o Grado en Ingeniería Informática de la Universidad de Oviedo
    Tutor/a (Inv. Resp. o miembro del Equipo Investigador)Luciano Sánchez Ramos
    Plan FormativoTareas en que participará y será formado el/la becario/a: Desarrollo de modelos predictivos para la demanda de energía eléctrica.Optimización numérica de parámetros en algoritmos de decisión.Implementación de técnicas de machine learning y análisis inteligente de series temporales
    Competencias a adquirir: Técnicas: Uso de técnicas de machine learning para análisis predictivo y optimización de modelos.
    Transversales o soft skills: Trabajo en equipo, gestión de proyectos.
    Competencias digitales: Dominio de Python y bibliotecas de aprendizaje de máquina como TensorFlow, Keras, o PyTorch.
    Sistema de evaluación de la formación por parte del tutor: Seguimiento semanal.
    Duración prevista Fecha inicio: 02/05/2025                       Fecha fin: 31/07/2025
    Dedicación horaria20 h. semanales
    Dotación económica bruta mensual600,00 €
    Centro de realización de la actividad formativaDepartamento de Informática y Sede de TotalEnergies.

  • Jornada divulgativa

    IA: Presente, futuro y aplicaciones a la sociedad

    La Cátedra TotalEnergies de Analítica de Datos e Inteligencia Artificial de la Universidad de Oviedo reúne a expertos en IA en su jornada de divulgación científica

    Gijón, 29 de noviembre de 2024 – La Cátedra TotalEnergies de Analítica de Datos e Inteligencia Artificial de la Universidad de Oviedo organiza la jornada divulgativa “IA: Presente, futuro y aplicaciones a la sociedad”. La sesión, celebrada en el Aula Magna de la Escuela Politécnica de Ingeniería de Gijón, ha abordado diferentes temáticas relacionadas con la inteligencia artificial, como su impacto en el sector de la salud, su potencial para los perfiles profesionales de ingeniería y el futuro de esta tecnología, que está especialmente ligado a la energía. 

    (más…)

  • Datathon ‘Optimización de rutas y análisis de sostenibilidad en autobuses eléctricos urbanos’

    En esta prueba, los participantes enfrentaron el desafío de optimizar el uso de autobuses eléctricos en una ruta realista simulada. Utilizando un simulador desarrollado por dos estudiantes de la cátedra, se les proporcionó a los concursantes datos que incluyeron coordenadas GPS, altitudes y límites de velocidad para cada segmento de la ruta, junto con las ubicaciones de las paradas de autobús y proyecciones del flujo de pasajeros.

    (más…)

  • Regeneración de Espacios Industriales

    Proyecto «Estudio para la Regeneración de Espacios Industriales con valor Cultural en el Principado de Asturias desde un Enfoque que priorice el cumplimiento de los Objetivos de Desarrollo Sostenible de la Agenda 2030», en colaboración con la Cátedra Concepción Arenal de Sostenibilidad y Agenda 2030

    Selecciona este enlace para acceder al mapa

  • Cities Datalex (LLMs and RAG)

    🇪🇸 CITIES DATALEX® es un software cuyo propósito es mejorar el acceso a la normativa jurídica resultante de la aplicación en las actuaciones en el medio urbano y, en general, en los procesos de desarrollo urbano y territorial sostenible. CITIES DATALEX® surge como iniciativa conjunta entre las cátedras Concepción Arenal de Agenda 2030 y TotalEnergies de Analítica de Datos e IA con el objetivo de ofrecer a las empresas, entidades financieras y organizaciones privadas que dan soporte a las acciones de las Administraciones Públicas información jurídica clara y segura para desarrollar actividades que tengan repercusión urbanística y territorial.



    🇬🇧 CITIES DATALEX® is a software whose purpose is to improve access to legal regulations resulting from the application in actions in the urban environment and, in general, in the processes of sustainable urban and territorial development. CITIES DATALEX® arises as a joint initiative between the Concepción Arenal Chair of Agenda 2030 and TotalEnergies Chair of Data Analytics and AI with the aim of providing companies, financial institutions and private organizations that support the actions of public administrations with clear and secure legal information to develop activities that have urban and territorial repercussions.

    Radiotelevisión del Principado de Asturias
    La Vanguardia
    Cope
    Europa Press
    Asturias Mundial
    Universidad de Oviedo

    🚨Call for contributions🚨

    If you want to add your model to the package or collaborate in the package development feel free to shoot me a message at costanahuel@uniovi.es or just open an issue or a pull request. I´ll be happy to collaborate with you.