CA | ES | EN

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

Data Scientist | Enginyer en el departament de Planificació d'Inversions
BSC AIGUES

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

Data Scientist | Enginyer en el departament de Planificació d'Inversions

Biografia

Maryam Rahbaralam és científica de dades al Barcelona Supercomputing Center (BSC). Va obtenir el seu doctorat en Geo-Estadística de la Universitat Politècnica de Catalunya (UPC) i el seu mestratge en Ciència de les dades de la Universitat Pompeu Fabra (UPF). La seva experiència principal és ciència de dades, aprenentatge automàtic i modelatge estadístic. Té més de 8 anys d’experiència laboral en diversos centres d’investigació. Maryam és una entusiasta de la solució basada en dades amb experiències demostrades en diferents eines tecnològiques. La passió de Maryam segueix sent emprar tecnologies i metodologies d’avantguarda per crear les millors eines de la indústria per convertir les dades en informació comercial pràctica.

JCG és Llicenciat en Enginyeria Industrial a l’Escola Tècnica Superior d’Enginyeria Industrial de Barcelona (UPC) i té un Màster en Gestió integral de l’Aigua (UPC). Els últims 20 anys ha treballat a Aigües de Barcelona (AB) on ha adquirit experiència en diversos aspectes del servei com són la gestió de projectes i contractes, la mineria de dades i el disseny, implementació i operació de tot tipus d’infraestructures, programari i maquinari. Actualment és el responsable del desenvolupament dels nous Models de Priorització d’Inversió de AB amb criteris de Desenvolupament sostenible.

PONÈNCIA: MACHINE LEARNING EN LA GESTIÓ SOSTENIBLE DELS PRINCIPALS ACTIUS DE SUBMINISTRAMENT D’AIGUA POTABLE 

La xarxa de proveïment en el seu conjunt constitueix, amb molta diferència, l’actiu de més valor de tot sistema de subministrament d’aigua potable. Es tracta d’un actiu que principalment transcorre sota terra, fent impossible conèixer amb certesa el seu estat, una característica imprescindible si es persegueix la seva òptima gestió. La solució machine learning desenvolupada fa una predicció de la probabilitat d’avaria a curt termini de cada tram de la xarxa, permetent una renovació anticipada dels trams en pitjor estat i amb més impacte social, ambiental i econòmic.

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