Esta línea se refiere al estudio y aplicación de técnicas matemáticas y heurísticas avanzadas para identificar, analizar y aprovechar patrones, propiedades significativas y relaciones ocultas en conjuntos de datos complejos. Además, se incluye la exploración de áreas específicas como los sistemas difusos y el uso de multiagentes. Los sistemas difusos permiten manejar la incertidumbre y la imprecisión en datos y sistemas complejos, facilitando la representación y toma de decisiones en contextos ambiguos. El análisis de multiagentes se centra en el comportamiento de múltiples entidades autónomas que interactúan, lo que es fundamental para comprender escenarios donde hay interacciones complejas. En un entorno actual donde las interacciones humanas y de procesos presentan una gran complejidad, esta diversidad de enfoques se vuelve esencial para abordar fenómenos complejos y facilitar la toma de decisiones informadas y la optimización de procesos en diversas aplicaciones de la ciencia de datos

Esta línea estudia el proceso integral de recopilación, procesamiento y análisis de grandes conjuntos de datos para descubrir patrones, tendencias y relaciones ocultas. Este proceso implica: 1. Minería de Datos: Utiliza técnicas estadísticas, de inteligencia artificial y aprendizaje automático para explorar y analizar grandes volúmenes de datos en busca de patrones y relaciones significativas. 2. Descubrimiento de Conocimiento: Se centra en interpretar los resultados obtenidos a través de la minería de datos para transformarlos en conocimientos útiles y aplicables en la toma de decisiones. 3. Visualización: Emplea herramientas gráficas para representar los datos y los resultados del análisis de manera clara y comprensible, facilitando la interpretación y comunicación de los hallazgos. 4. Analítica Avanzada: Incluye técnicas como el análisis predictivo, el aprendizaje automático y la minería de datos para realizar análisis más profundos y sofisticados, permitiendo predecir tendencias futuras y optimizar decisiones. En conjunto, estos componentes permiten a las organizaciones y a los individuos tomar decisiones informadas basadas en el análisis riguroso y detallado de los datos disponibles.

Esta línea se centra en el desarrollo, la aplicación y la mejora de sistemas robóticos avanzados con un énfasis en la interacción entre humanos y máquinas y en la automatización de tareas. Esta LGAC abarca tres áreas principales: Robótica Inteligente e Interacción Hombre-Máquina. La Robótica Inteligente se enfoca, mediante la utilización de la inteligencia artificial (IA), a la creación de robots capaces de lidiar con entornos cambiantes y colaborar de manera efectiva con humanos y otros robots. La robótica inteligente se puede aplicar en búsqueda y rescate, asistencia médica, de servicio y compañía, y exploración remota. La Interacción Hombre-Máquina se centra en cómo los humanos y los sistemas robóticos pueden comunicarse y colaborar de manera efectiva. Esta área incluye investigaciones en interfaces de usuario avanzadas, sistemas de diálogo, realidad virtual y aumentada, y colaboración segura con robots. Esta área se preocupa por garantizar que la interacción entre humanos y robots sea natural, intuitiva y segura. También, aborda temas éticos y de privacidad relacionados con las interacciones hombre-máquina y humano-robot.

Esta línea se caracteriza por procesar y generar entidades que son entendibles por los seres humanos, como son las imágenes, los sonidos o el texto. Se pueden distinguir dos objetivos en esta línea i) la comprensión del entorno humano por parte de una computadora y ii) la generación de expresiones que sean naturales para un ser humano. Algunos ejemplos de aplicaciones actuales y futuras son la interpretación de las imágenes, audios y los documentos, así como la generación de arte, música y literatura. Para alcanzar los objetivos planteados esta línea se basa en conocimiento sólido de estadística, matemáticas, procesamiento de señales, aprendizaje automático, filosofía y neurociencias.