Perfil de

Guillermo Santamaria Bonfil

Nombre:Guillermo Santamaria Bonfil
Género: Masculino
Email:[email protected]
Institución/Empresa: BBVA México
Inst. último grado : ITESM Campus Cuernavaca
Links:
 

Biografía.

El Dr. Guillermo Santamaría Bonfil es científico de datos experto en BBVA México. Anteriormente, fue investigador del programa Cátedra-CONACYT asignado al Instituto Nacional de Electricidad y Energías Limpias y a la Universidad Autónoma de Yucatán. Pertenece al padrón del Sistema Nacional de Investigadores con el nivel 1. Completó su doctorado y sus estudios de pregrado en el ITESM Cuernavaca, y su postdoctorado en el IIMAS-UNAM. También trabajó como científico de datos de riesgo en el banco BBVA, donde desarrolló modelos para ofertas de reestructuración de deuda. El Dr. Santamaría ha desarrolla modelos basados en aprendizaje automático y series de tiempo, con aplicaciones diversas como: modelos de riesgo y pronósticos financieros, problemas en sistemas de potencia como pronóstico de demanda y generación de energías renovables, el análisis de la complejidad de sistemas dinámicos basado en la entropía y el desarrollo de Tutores Inteligentes en ambientes de realidad virtual. Además, ha co-supervisado tesis de maestría y doctorado en programas PNPC, publicado en revistas de alto impacto, es revisor en revistas internacionales, y participado en diferentes comités científicos. Sus líneas de investigación incluyen la modelación y pronóstico de series de tiempo, aplicaciones de aprendizaje automático al sector financiero y energético, y la analítica del aprendizaje para el desarrollo de tutores inteligentes.

Publicaciones.

Más recientes.

1. Artículos de investigación en revistas arbitradas.


1.1. G. Santamaría-Bonfil, E. Santoyo, L. Díaz-González, G. Arroyo-Figueroa,
Equivalent Imputation Methodology for Handling Missing Data in Compositional
Geochemical Databases of Geothermal Fluids, Geothermics, minor reviews, 2022.


1.2. A. Lameira, G. Santamaría-Bonfil, D. Galeone , M. Gamba , M. Hardus , C. Knott ,
H. Morrogh-Bernard , M. Nowak , G. Campbell-Smith , S. Wich, Sociality predicts
orangutan vocal phenotype, Nature Ecology & Evolution, pp.1-12,
https://doi.org/10.1038/s41559-022-01689-z, 2022.


1.3. G. Santamaría-Bonfil, M. B. Ibañez, M. Pérez-Ramírez, G. Arroyo-Figueroa, F.
Martínez-Álvarez, Learning Analytics for Student Modelling in Virtual Reality Training
Systems: Lineworkers case. Computers & Education, vol. 151, pp. 103871, 2020.

1.4. M. Ponce-Flores, J. Frausto-Solis, G. Santamaría-Bonfil, J. Pérez-Ortega, J.
González-Barbosa, Time Series Complexities and Their Relationship to Forecasting
Performance. Entropy, vol. In Press, 2020.

1.5. M. Zúñiga-García, G. Santamaría-Bonfil, G. Arroyo-Figueroa, R. Batres, Prediction
Interval Adjustment for Load Forecasting using Machine Learning. Applied Sciences, vol.
9, no. 24, pp.1-20, 2019.

1.6. G. Santamaría-Bonfil, G. Escobedo-Briones, M. Pérez, G. Arroyo- Figueroa (2019).
A Learning Ecosystem for Linemen Training based on Big Data Components and Learning Analytics, J. Univers. Comput. Sci., vol. 25, no. 5, pp. 1–28.

1.7. G. Santamaría-Bonfil, N. Fernández, C. Gershenson (2016). Measuring the
Complexity of Continuous Distributions. Entropy, vol. 18(3), no.72.
DOI:10.3390/e18030072.

1.8. G. Santamaría-Bonfil, A. Reyes-Ballesteros, C. Gershenson (2015). Wind Speed
Forecasting For Wind Farms: A Method Based on Support Vector Regression. Renewable
Energy, vol. 85, pp. 790–809.
http://www.sciencedirect.com/science/article/pii/S0960148115301014.

1.9. G. Santamaría-Bonfil, J. Frausto-Solís, I. Vázquez-Rodarte (2013). Volatility
Forecasting Using Support Vector Regression and a Hybrid Genetic Algorithm.
Computational Economics, vol. 45, pp.111-133.

2. Capítulos de libros.

2.1. J.C. Bonilla-Robles, J.A. Aguilar, G. Santamaría-Bonfil. Face Detection with
Applications in Education. In Online Learning Analytics (pp. 213-228). Taylor & Francis
Group.

2.2. G. Santamaría-Bonfil, O. G. Toledano López, “Emoji as a Proxy of Emotional
Communication,” in Future of Robotics - Becoming Human with Humanoid or Emotional
Intelligence, IntechOpen, 2019, pp. 1–19. DOI:http://dx.doi.org/10.5772/intechopen.88636.

2.3. P. Ibargüengoytia, G. Santamaría-Bonfil, A. Reyes, “Administración de la Energía”
en El Reconocimiento de Patrones y su Aplicación a las Señales Digitales, Academia
Mexicana de Computación, A. C., 2019, pp. 139-168.

3. Artículos de investigación en revistas arbitradas, no-JCR.

3.1. P. I. Macias-Huerta, R. Cabañas-Rocha, C.N. Lecona-Valdespino, G. Santamaría-
Bonfil, Aprende en el mundo de CARLA, Komputer Sapiens, vol. I, año. XIII, 2021.

3.2. M. Zúñiga-García, G. Santamaría-Bonfil, G. Arroyo-Figueroa, R. Batres, Short-
Term Load Forecasting Method Using Genetic Algorithms and Artificial Neural Networks, Int. J. Mach. Learn. Comput., vol. In Press, 2019.

3.3. S. E. Pinzón-Pineda, G. Santamaría-Bonfil, J. A. Hernández-Aguilar, Ciencia de
los datos aplicada a la predicción de la generación de energía eléctrica en zonas urbanas, Komputer Sapiens, vol. II, año IX, 2017.

3.4. G. Santamaria-Bonfil, C. Gershenson, N.Fernandez (2017). A Package for
Measuring Emergence, Self-Organization, and Complexity based on Shannon Entropy,
Frontiers in Robotics and AI, vol. 4, pp. 1-10, doi. 10.3389/frobt.2017.00010.

3.5. W. Aguilar, G. Santamaría-Bonfil, T. Froese, C. Gershenson (2014). The Past,
Present, and Future of Artificial Life. Frontiers in Robotics and AI, vol. 1, no. 8.

3.6. J. Frausto-Solis, E. Liñan-García, G. Santamaría-Bonfil (2014). Tuned Simulated
Annealing Based on Boltzmann and Bose-Einstein Distribution Applied to Maxsat Problem. Asian Journal of Scientific Research, vol. 4, no. 1, pp.14-27.

3.7. G. Santamaría-Bonfil, J. Frausto-Solís, M. Chi-Chim (2013). Una metodología
basada en Máquinas de Vectores de Soporte para el pronóstico de la volatilidad del Índice de Precios y Cotizaciones. Komputer Sapiens, vol. 3, no. 4, pp. 12-17.

4. Posters.
4.1. M. Sánchez-Pérez, Y. Balderas-Martinez, S. Gama-Castro, A. Santos-Zavaleta, H.
Solano Lira, G. Santamaría-Bonfil, C. Bonavides-Martínez, J. Collado (2015). From
microarray gene expression data to biological knowledge: Mapping gene expression with
biological information, Fourth Meeting of Biochemistry and Molecular Biology of Bacteria,
Atlixco, Puebla, México.

4.2. J.C. Bonilla-Robles, G. Santamaría-Bonfil, J.A. Hernández-Aguilar (2020). Face
detection for applications in on-line education, 13th Workshop of Hybrid Intelligent
Systems, MICAI 2020. 3rd Place Award.

5. Ponencias en memorias in extenso.

5.1. C.N. Lecona-Valdespino, P. Macias-Huerta, R. Cabañas-Rocha, G. Santamaría-
Bonfil (2021), CARLA 0.9: Now with more analytics!, in 14th Workshop on Intelligent Learning Environments, pp. 1–8.

5.2. D. Hurtado-Olivares, J.A. Hernández-Aguilar, A. Ochoa-Zezzatti, J.C. Zavala-Díaz,
G. Santamaría-Bonfil (2021). Waste Collection of Touristics Services Sector Residues
Vehicle Routing Problem with Time Windows to an Industrial Polygon in a Smart City. In
Technological and Industrial Applications Associated with Intelligent Logistics (pp. 117-
130). Springer, Cham.

5.3. P. Macias-Huerta, G. Santamaría-Bonfil, M.B. Ibañez (2020), CARLA:
Conversational Agent in viRtual reaLity with Analytics, in 13th Workshop on Intelligent
Learning Environments, pp. 1–8. Best Paper Award.

5.4. G. Santamaría-Bonfil, Díaz-Rodríguez H.D., Arroyo-Figueroa G., Batres R (2020).
Knowledge Modelling for Ill-Defined Domains Using Learning Analytics: Lineworkers Case, in the 11th International Conference on EUropean Transnational Educational (ICEUTE 2020). Advances in Intelligent Systems and Computing, vol 1266. Springer, Cham.

5.5. G. Santamaría-Bonfil (2019), Towards an Interactive Learning Ecosystem:
Education in Power Systems, in 12th Workshop on Intelligent Learning Environments, pp.
1–8.

5.6. R.E. Pool Canul, A. Salcido, G. Santamaría-Bonfil (2019), Simulación del viento en
Realidad Virtual con Autómatas Celulares, XV Congreso Internacional sobre Innovación y
Desarrollo Tecnológico (CIINDET) 2019, pp. 1-3.

5.7. A. Reyes-Ballesteros, P. Ibarguengoytia, G. Santamaría-Bonfil (2019), SPI: A
software tool for planning under uncertainty based on learning factored MDPs, in MICAI
2019: Mexican International Conference on Artificial Intelligence, pp. 1–11.

5.8. E. Rosado-Tamariz, M. Zuniga-Garcia, G. Santamaria-Bonfil, R. Batres (2019). A
machine-learning approach to speed-up simulation towards the design of optimum
operating profiles of power plants, IEEA 2019, pp. 194–199.

5.9. G. Santamaría-Bonfil (2018), Towards a learning ecosystem for linemen training,
11th Workshop on Intelligent Learning Environments, 2018, pp. 1–8.

5.10. A. Román-Flores, G. Santamaría-Bonfil, L. Díaz-González, G. Arroyo-Figueroa
(2018), Single imputation methods applied to a global geothermal database, in MICAI
2018: Mexican International Conference on Artificial Intelligence, pp. 1–14.

5.11. M. Zuñiga, G. Santamaría-Bonfil, G. Arroyo-Figueroa, R. Bátres (2018). An
association-rule method for short-term electricity demand forecasting and consumption
pattern recognition, in MICAI 2018: Mexican International Conference on Artificial
Intelligence, pp. 1–13.

5.12. E. Rodriguez-Sánchez, L. Castro, G. Santamaría-Bonfil, U. Lezama (2018).
Obtención de la Curva de Potencia de un Aerogenerador de 2MW, mediante un modelo
CFD, Congreso Internacional de Energías Renovables 2018 (CIER 2018), TNM Celaya,
pp. 1-19.

5.13. G. Santamaría-Bonfil, Y. Hernández, M. Pérez-Ramírez, G. Arroyo-Figueroa
(2017), Bag of Errors : Automatic inference of a student model in an Electrical Training
System, in MICAI 2017: Mexican International Conference on Artificial Intelligence, pp. 1–
15.

5.14. Y. Hernández, G. Santamaría-Bonfil, V. Pecero (2017), Text Mining for Domain
Structure Analysis in a Training System for Electrical Procedures, in 10th Workshop on
Intelligent Learning Environments, pp. 195–207. Best paper award.

5.15. S. E. Pinzón-Pineda, J. A. Hernández-Aguilar, G. Santamaría-Bonfil, G. Arroyo-
Figueroa (2017), Aplicación de modelos auto regresivos para la predicción de generación eléctrica a partir de datos eólicos, 9o. Congreso Mexicano de Inteligencia Artificial (COMIA), pp. 1-13.

Ver lista completa de publicaciones