Inicio > Quiénes somos > Equipo humano > Armando Aguayo

Armando Aguayo

Ayudante de investigación |

Armando Aguayo Mendoza, licenciado con grado en Ingeniería en Sistemas Computacionales (ISC) por el TESCo (Tecnológico de Estudios Superiores de Coacalco, México) y Máster en Ciencias de la Computación (MCC) por el ITESM (Instituto Tecnológico de Estudios Superiores de Monterrey, México). La experiencia profesional de Armando se conforma de ocho años como investigador federal en el área inteligencia para la Procuraduría General de la República (PGR) en México, cuatro años como web master y responsable del desarrollo de servicios informáticos (TESCo, México), tres años como profesor investigador (TESCo, México), dos años como jefe de la División de Ingeniería en Sistemas Computacionales (DISC) y administrador de proyectos de desarrollo de software en cooperación con el sector público e industrial, administrador del ciclo de desarrollo de software, Implementación de ISO 27000, desarrollo de convenios de colaboración internacional y planeación estratégica del programa de formación para licenciados en ingeniería en sistemas computacionales (TESCo, México); desde 2016 se desempeñó en el Reino Unido como científico de datos y desarrollador de software para Information Catalyst Enterprise (ICE) como responsable de la integración de herramientas de código abierto y la utilización datos suministrados por los procesos de fabricación, desarrollo módulos de análisis de datos con modelos de aprendizaje automático para realizar detección y predicción de anomalías en procesos de manufactura y sistema de transporte en proyectos Europeos del grupo H2020 tales como: ELASTIC: A software Architecture for Extreme-Scale Big-Data AnalyticS in Fog CompuTing Ecosystems, EFPF: European Factory Platform – eFactory (https://www.efpf.org/), vf-OS: Open Operating  System for Virtual Factories (http://www.vf-os.eu). En noviembre de 2020, Armando se incorporó como miembro de DeustoTech de la Universidad de Deusto (Bilbao, España) en la investigación de relaciones causales para el desarrollo e implementación de modelos de inferencia causal.