Bibliografía
A lo largo de mi trayectoria, he evolucionado desde la estadística hasta la inteligencia artificial, explorando el potencial del Data Science, Computer Vision y el Procesamiento de Lenguaje Natural para generar impacto en el negocio y la investigación. Mi camino ha estado marcado por la curiosidad, la búsqueda de soluciones innovadoras y la aplicación de modelos avanzados para resolver problemas reales. Puedes consultar mi CV.​
Raúl Artigues Femenía
Nací en Pedreguer, un pequeño pueblo de la provincia de Alicante con apenas 8.000 habitantes. Desde niño, siempre me fascinó el mundo de las matemáticas, aunque mi primer sueño profesional no tenía relación con los números, sino con la investigación y el análisis, ya que quería ser detective privado. Sin embargo, no fue hasta segundo de bachillerato cuando un profesor de matemáticas me mostró el potencial de la estadística, despertando en mí una pasión que definiría mi futuro profesional.
Formación académica: de la Estadística a la Inteligencia Artificial
En 2018, decidí estudiar el Grado en Estadística en la Universidad Miguel Hernández de Elche. En aquel entonces, tenía la opción de trasladarme a Madrid, pero con solo 18 años consideré que mudarme a la capital era precipitado, por lo que elegí Elche. Durante esta etapa, no solo adquirí una sólida base en estadística, sino que también viví una experiencia única junto a mis compañeros en lo que llamábamos el “piso estadístico”, donde el aprendizaje y la colaboración eran el día a día. Transformamos una habitación en una sala de estudio con una gran pizarra donde analizábamos desde teoría de colas hasta técnicas de muestreo, combinando rigor académico con un ambiente de camaradería.
Finalicé el grado con una calificación de 8.1, un logro significativo en el ámbito de las ciencias. Mi Trabajo de Fin de Grado (TFG), dirigido por Joaquín Sánchez Soriano, estuvo centrado en la aplicación de teoría de colas a los sistemas de urgencias hospitalarias, obteniendo la calificación máxima de 10. Aunque intentamos publicar los resultados en una revista científica, finalmente no pudo materializarse.
Al concluir el grado, entendí que para especializarme necesitaba una formación más profunda en Data Science, Machine Learning y Deep Learning, lo que me llevó a aplicar al Máster en Big Data Science de la Universidad de Navarra. Tras un exigente proceso de selección, fui aceptado y esta decisión cambió mi trayectoria profesional por completo. Aquí fue donde descubrí el verdadero potencial del Deep Learning, un campo que captó por completo mi interés.
Primeros pasos en el mundo laboral
Durante el máster, comprendí que además de la formación teórica, era crucial ganar experiencia práctica. Fue entonces cuando, tras ver una vacante, decidí postularme como Data Scientist en Recursos Humanos en MAPFRE España. Aunque no tenía experiencia previa en RRHH, superé el proceso de selección y me incorporé al equipo de Retribución. Durante este período, trabajé en el diseño de modelos de Machine Learning para estructuras salariales, aplicando técnicas avanzadas de Procesamiento del Lenguaje Natural (NLP) y análisis estadístico para mejorar la toma de decisiones estratégicas.
Al mismo tiempo, tuve la oportunidad de conocer a Borja Balparda, quien me ofreció un puesto en Data Value Management, una startup en la que actualmente trabajo como AI & CV Engineer. Aquí he desarrollado proyectos relacionados con procesamiento de imágenes, análisis estético facial y OCR aplicado a la clasificación de productos cosméticos, además de participar en la implementación de sistemas de NLP y modelos de lenguaje (LLM) para la recuperación de información.
Evolución hacia Computer Vision Engineering
Mientras trabajaba en MAPFRE en Recursos Humanos, conocí a Mario Encinar, quien me habló de una vacante en el área de negocio, específicamente en Inteligencia Técnica de Negocio, con un enfoque en Computer Vision. Este cambio supuso un gran salto profesional, ya que me permitió especializarme en mi área de mayor interés. Actualmente, soy Computer Vision Engineer & Senior Data Scientist en MAPFRE, liderando el desarrollo de soluciones de visión por computadora para la verificación digital de automóviles, comercios, hogar y comunidades. Mi rol implica el diseño y despliegue de modelos de Deep Learning, aplicando técnicas Data-Driven para mejorar la eficiencia y precisión operativa.
En los próximos años, me visualizo liderando un equipo altamente innovador en el campo de Data Science, combinando el poder de los modelos de lenguaje (LLMs) y el análisis de imágenes mediante redes neuronales avanzadas, sin dejar de lado la importancia de los datos tabulares y los modelos tradicionales de Machine Learning.
Mi objetivo es que este equipo aporte un alto valor a negocio, porque, al final, lo más importante no es el tipo de algoritmo, sino cómo impacta en la empresa y cómo podemos explicarlo de manera comprensible. Sabemos que las redes neuronales son una “caja negra”, pero si comprendemos sus fundamentos matemáticos (desde Convoluciones hasta Transformers y Vision Transformers) podemos ofrecer una "interpretación" de su comportamiento y tomar mejores decisiones estratégicas.
A nivel académico, siempre he tenido el deseo de realizar una tesis doctoral, ya sea industrial o tradicional, para contribuir al mundo de la investigación en Data Science. Me motiva aportar una idea innovadora en el campo de las redes neuronales, dejando mi granito de arena en este mundo en constante evolución. Alcanzar el grado de doctor ha sido un objetivo presente desde hace años, no solo por la meta en sí, sino por el impacto que la investigación puede tener en la comunidad científica y tecnológica.
Además, me apasiona la docencia y considero que transmitir el conocimiento de forma inspiradora es clave para el aprendizaje. En muchas ocasiones, los estudiantes descartan materias como las matemáticas simplemente porque nunca les han enseñado a ver su belleza. Las redes neuronales, y por ende las matemáticas, son fascinantes. Si logramos explicar bien sus fundamento (cómo funcionan, qué cálculos realizan, qué papel juegan las derivadas, funciones de optimización y multiplicación de matrices) , los alumnos podrán comprender mejor el mundo de la Inteligencia Artificial y su verdadero alcance.
En este camino académico, ya he tenido la oportunidad de ser profesor en la Universidad Francisco de Vitoria, en el campus de Madrid, impartiendo clases sobre Redes Neuronales y su impacto en el campo médico. Esta experiencia docente ha reforzado mi vocación por la enseñanza y mi convicción de que la formación en inteligencia artificial debe estar bien fundamentada en conceptos matemáticos y aplicada a problemas reales con impacto social.
Por eso, además de la investigación, me gustaría desempeñar un rol en la enseñanza universitaria, ya sea en grado o máster, ayudando a formar a la próxima generación de expertos en Data Science. Entender la IA desde su núcleo matemático no solo permite desarrollar mejores modelos, sino también tomar decisiones más informadas y responsables.
En definitiva, mi futuro profesional combina innovación, liderazgo, investigación y enseñanza, con el propósito de seguir aprendiendo, aportando y transformando el mundo del Data Science y la Inteligencia Artificial.
Mirando hacia el futuro: Innovación, Liderazgo y Academia
Docencia de Deep Learning en la Universidad Francisco de Vitoria de Madrid