CA | ES | EN

Maryam Rahbaralam | Barcelona Supercomputing Center
Jaume Cardús | Aigües de Barcelona

Data Scientist | Ingeniero en el departamento de Planificación de Inversiones
BSC AIGUES

Maryam Rahbaralam | Barcelona Supercomputing Center
Jaume Cardús | Aigües de Barcelona

Data Scientist | Ingeniero en el departamento de Planificación de Inversiones

Biografía

Maryam Rahbaralam es científica de datos en el Barcelona Supercomputing Center (BSC). Obtuvo su doctorado en Geo-Estadística de la Universidad Politécnica de Cataluña (UPC) y su maestría en Ciencia de los datos de la Universidad Pompeu Fabra (UPF). Su experiencia principal es ciencia de datos, aprendizaje automático y modelado estadístico. Tiene más de 8 años de experiencia laboral en varios centros de investigación. Maryam es una entusiasta de la solución basada en datos con experiencias demostradas en diferentes herramientas tecnológicas. La pasión de Maryam sigue siendo emplear tecnologías y metodologías de vanguardia para crear las mejores herramientas de la industria para convertir los datos en información comercial práctica.

JCG es Licenciado en Ingeniería Industrial en la Escuela Técnica Superior de Ingeniería Industrial de Barcelona (UPC) y tiene un Master en Gestión integral del Agua (UPC). Los últimos 20 años ha trabajado en Aguas de Barcelona (AB) donde ha adquirido experiencia en diversos aspectos del servicio como son la gestión de proyectos y contratos, la minería de datos y el diseño, implementación y operación de todo tipo de infraestructuras, software y hardware. Actualmente es el responsable del desarrollo de los nuevos Modelos de Priorización de Inversión de AB con criterios de Desarrollo sostenible.

PONENCIA: MACHINE LEARNING EN LA GESTIÓN SOSTENIBLE DE LOS PRINCIPALES ACTIVOS DE SUMINISTRO DE AGUA POTABLE 

La red de abastecimiento en su conjunto constituye, con mucha diferencia, el activo de más valor de todo sistema de suministro de agua potable. Se trata de un activo que principalmente transcurre bajo tierra, haciendo imposible conocer a ciencia cierta su estado, una característica imprescindible si se persigue su óptima gestión. La solución machine learning desarrollada hace una predicción de la probabilidad de avería a corto plazo de cada tramo de la red, permitiendo una renovación anticipada de los tramos en peor estado y con más impacto social, ambiental y económico.

Sesiones: Maryam Rahbaralam | Barcelona Supercomputing Center
Jaume Cardús | Aigües de Barcelona