Inicia el Top Rosies Talent

Identificador ORCID: 0000-0002-8542-3509 Índex H: 28, (https://www.eio.upc.edu/en/homepages/karina, karina.gibert@upc.edu). Llicenciada i doctora en Enginyeria Informàtica amb  especialitats en Estadística Computacional i Intel•ligència Artificial. Postgrau en Docència Universitària. Experta de l’estratègia catalana d’Intel•ligència Artificial Catalonia.AI (oct 2018-) (Gencat, aprovat el 28/2/2020). Directora (2021-) i cofundadora (2017-) del centre de recerca en Ciència intel•ligent de dades i Intel•ligència Artificial (IDEAI). Vicedegana de Presidència per igualtat i ètica del Col•legi Oficial d’Enginyeria Informàtica de Catalunya (COEINF) (juny 2020-) i exvicedegana de Big Data, Ciència de Dades i Intel•ligència Artificial (2017-2020-). Membre del Consell Assessor de l’Observatori Català d’Ètica en la Intel•ligència Artificial (2020-). Assessora de la Comissió Europea (setembre de 2019-)
en temes d’ètica de la Intel•ligència Artificial i del Senat Espanyol (2021-). Fundadora de la Comissió donesCOEINF per a l’escletxa de gènere en Enginyeria Informàtica (maig 2018-), donesIAcat (Associació Catalana d’IA, mar 2019-) membre de la comissió de gènere de la Intercol•legial (2019-) i altres comissions de gènere. Membre electe de la junta directiva de l’Intl Environmental Modeling and Software Society (iEMSs, a partir de juliol de 2016). Co-ambassador of WiDS (Women in Data Science,
Standford, jan 2021-) per Barcelona. Editora de la revista Environmental Modeling and Software del JCR, Elsevier, (en 2018-). Membre electe del Consell Rector de iEMSs (jul 2018-). Membre del Comitè
Computational Statistics and Data Mining for Knowledge Discovery de la IASC (In’l Association for Computational Statistics, jul 2015-). Consultora del Departament de Salut Mental de l’OMS febrer 2008- ag 2010 per a la conceptualització de sistemes de salut mental als països LAMIC. Directora del projecte INSESS-COVID19 per a descobrir l’impacte de la COVID-19 en les vulnerabilitats socials. Directora científica del projecte Top Secret Rosies. Investigadora dels projectes AI4EU, GAVIUS,
GasTurbines (amb Siemens). Molt activa en recerca i producció científica i amb llarga experiència en l’ús social de la tecnologia en àmbits com salut, benestar, medi ambient i sostenibilitat. Més de 450 publicacions científiques, 44 d’alt impacte.

Premis i distincions:  Premi Ada Byron 2022 Col.legi Oficial D’enginyeria Informàtica de Galícia. Menció d’Honor al Premi Creu Casas, dones per canviar el món, Institut d’Estudis Catalans 2021 i 2022. Premi donaTIC 2018 en la categoria acadèmica / investigadora (Generalitat de Catalunya, desembre 2018). Elected Fellow d’iEMSs (juliol de 2007).

Segon Premi ACIA de difusió de la IA 2022 (projecte ciutadanIA). Finalista premis AMETIC 2022 (projecte Top Secret Rosies). Finalista dels European Social Services Awards 2021 (projecte INSESS-COVID19). Primer premi del concurs HackingBullipedia (nov 2013),
relacionat amb el famós xef Ferran Adrià, amb el projecte GENESIS: Intelligent decision support for creative through evolutive analysis. Premi al millor projecte europeu de salut electrònica de la UE al
projecte K4Care (febrer de 2010) pels alts estàndards de qualitat assolits. Distinció highly accessed paper HARPS, 2010 v8: 28.

És professora del departament de ciències de la computació de la
Universitat Politècnica de Catalunya (UPC). Es va doctorar a la Tufts
University de Boston, EEUU a l’any 2004 i és Enginyera en Informàtica per
la UPC. Després d’una estada postdoctoral a la Columbia University a Nova
York, va tornar a Barcelona on desenvolupa projectes de Data Science i
Machine Learning aplicats a diferents indústries i entorns.

Com a exemples de col.laboració amb la indústria destaquen projectes amb
Gas Natural, Fútbol Club Barcelona i Camper.

La seva linia principal d’investigació se centra en l’anàlisi de sèries
temporals mitjançant tècniques interpretables de machine learning.

És catedràtica i investigadora de la Universitat Politècnica de Catalunya
(UPC) a on va estudiar Enginyeria Informàtica i va realitzar un doctorat
en Intel·ligència Artificial. És la cap del grup de recerca Soft
Computing (SOCO) i membre de la junta del Centre d’investigació
Intelligent Data Science and Artificial Intelligence (IDEAI) de la UPC.
Actualment és professora titular al departament de Ciències de la
Computació i imparteix cursos en el grau d’Enginyeria Informàtica i en el
Màster d’Intel·ligència Artificial sobre Intel·ligència Computacional i
temes avançats en Intel·ligència Computacional. Ha realitzat diferents
estades postdoctorals a la University of Arizona (Estats Units) i a la
Universidad Nacional Autónoma de México. Els seus interessos de recerca
actuals inclouen sistemes difusos, neuro-difusos, genètics difusos i
altres tècniques d’hibridació de computació soft, així com el modelatge
per a la predicció i el suport de decisions. Les seves àrees d’aplicació
inclouen energia, medicina, biologia, ciències atmosfèriques, música,
gestió de riscos i e-Learning

És professora i investigadora de la Universitat Politècnica de Catalunya
(UPC). És Enginyera Informàtica per la UPC i va realitzar el seu doctorat
en Intel·ligència Artificial dins l’area del Processament del Llenguatge
Natural. Actualment és professora del departament de Ciències de la
Computació i imparteix cursos en el grau d’Enginyeria Informàtica i en
altres graus de l’Àmbit Industrial. És membre del Grup de Processament
del Llenguatge Natural (GPLN), del Centre de Tecnologies i Aplicacions
del Llenguatge i la Parla (TALP) i del centre de recerca Intelligent Data
Science and Artificial Intelligence (IDEAI) de la UPC.

Les seves línees principals de recerca estan relacionades amb l’extracció
automàtica d’informació a partir de dades textuals, l’adquisició de
patrons per a l’ajuda al diagnòstic a partir d’infomes mèdics en suport
electrònic i els biaixos en l’adquisició del llenguatge.

És professora i investigadora de la Universitat Politècnica de
Catalunya (UPC), membre del Grup de Processament d’Imatge (GPI) i del
centre de recerca Intelligent Data Science and Artificial Intelligence
(IDEAI) de la UPC. És llicenciada en Ciències Matemàtiques i llicenciada
en Ciències de la Computació per la Universitat de Buenos Aires i va
realitzar el seu doctorat en anàlisi d’imatge en el departament de Teoria
del Senyal i Comunicacions de la UPC. Imparteix cursos de Processament
d’Imatge i Vídeo, Visió per Computador, Aprenentatge Automàtic i
Aprenentatge Profund en el grau d’Enginyeria en Telecomunicacions i en
els màsters de Visió per Computador i Tecnologies Avançades de
Telecomunicació.

Les seves línies principals de recerca estan centrades en l’ús de models
d’aprenentatge automàtic, aprenentatge profund i visió en aplicacions
biomèdiques i models d’aprenentatge profund per super-resolució i
segmentació d’imatges de teledetecció.