Big Data and the Internet of Things (IoT) have the potential to fundamentally shift the way we interact with our surroundings. The challenge of deriving insights from the Internet of Things (IoT) has been recognized as one of the most exciting and key opportunities for both academia and industry. Advanced analysis of big data streams from sensors and devices is bound to become a key area of data mining research as the number of applications requiring such processing increases. Dealing with the evolution over time of such data streams, i.e., with concepts that drift or change completely, is one of the core issues in stream mining. In this talk, I will present an overview of data stream mining, and I will introduce some popular open source tools for data stream mining..

 Vivimos en una sociedad de dispositivos. Por una parte, los dispositivos incorporan una creciente capacidad de percepción, computación, interacción y acción y conforman sociedades de entidades cada vez más interconectadas. El caso de los teléfonos móviles es paradigmático. Por otra parte, nuestra sociedad, la humana, es cada vez más dependiente de ellos. La Inteligencia Artificial es a la vez una necesidad y una oportunidad para esta sociedad de dispositivos. Se hace necesaria para gestionar una ingente cantidad de datos e información y al tiempo se abre un sinfín de posibilidades derivadas del aprendizaje automático colectivo por parte de las máquinas. Pondremos ejemplos derivados del geoposicionamiento de móviles en interiores, la lucha contra la pandemia o la monitorización de nuestra salud.

 The Discontinuous Petrov-Galerkin (DPG) method with optimal test functions is a numerical method for approximating the solution of Partial Differential equations. It was proposed 10 years ago and since then, it has been applied to the simulation of a wide variety of problems including convection-dominated diffusion, Maxwell’s equations, linear elasticity, Stoke’s flow and Helmholtz equation, among many others. The key idea of the DPG method is to construct optimal test functions in such a way that the discrete stability is inherited from the continuous problem. In this talk, I will show how to apply the DPG method in the time variable for transient PDEs and its relation with exponential time integrators. 

There is a growing literature on enhancing the interpretability of Machine Learning methods involved in Data Driven Decision Making. Interpretability is desirable for non-experts; it is required by regulators for models aiding, for instance, credit scoring; and since 2018 the European Union has extended this requirement by imposing the so-called right-to-explanation in algorithmic decision making. Mathematical Optimization has shown a crucial role when striking a balance between interpretability and accuracy, having LASSO as one of the main exponents. In this presentation, we will go through very recent examples of enhancing the interpretability of Supervised as well as Unsupervised Learning methods with the help of Mixed Integer NonLinear Optimization.

This paper develops a duopolistic discounted marketing model with linear advertising costs and advertised prices for mature markets still in expansion. Generic and predatory advertising effects are combined together in the model. We characterize a class of adver- tising models with some lowered production costs. For such a class of models, advertising investments have a no-free-riding strict Nash equilibrium in pure strategies if discount rates are small. We discuss the entity of this efficiency at varying parameters of our advertising model. We provide a computational framework in which market shares can be computed at equilibrium, too. We analyze market share dynamics for an asymmetrical numerical scenario where one of the two firms is more effective in generic and predatory advertising. Several numerical insights on market share dynamics are obtained. Our computational framework allows for different scenarios in practical applications and it is developed, thanks to Mathematica software.

¿En qué consiste la Transformación Digital en la práctica? ¿Qué beneficios económicos y estratégicos puede tener para una empresa? ¿Es vital poder comenzar a aplicar este tipo de innovaciones en las empresas, o se puede vivir unos años más sin ellas? Estas y otras muchas preguntas circulan por los pasillos y salas de reuniones de numerosas compañías que, entendiendo que algún tipo de cambio se está produciendo en la industria, no llegan a comprender realmente si esto es una oportunidad o una amenaza y cómo materializar este cambio.

El año 2011 marcó el punto de partida para la cuarta revolución industrial, ya que fue en este año en el que el Gobierno alemán presentó el concepto de «Industria 4.0″, así como las diferentes nuevas tecnologías que llevaba aparejada. Estas nuevas tecnologías están desarrollándose a un ritmo exponencial, con gran impacto y ventajas realmente disruptivas para muchas empresas. Pero no todas las nuevas tecnologías ligadas al proceso de transformación digital tienen el mismo peso, el mismo tiempo de implementación, o la misma aceptación. Hay diferencias importantes a considerar y que conviene conocer. Igualmente también es necesario entender cómo las empresas comienzan el proceso de transformación digital, ligada en ocasiones a planes de inversión, contratación de personal u otros factores.

En esta charla vamos analizar la Transformación Digital en la práctica, tal como la viven las empresas de éxito en este campo. Describiremos qué tecnologías lleva aparejadas, qué impacto económico y estratégico pueden tener en las empresas y cómo dar nuestros primeros pasos en este importante campo, clave para muchas empresas. 

Los grupos de trenzas son interdisciplinares: podemos encontrar definiciones topológicas, geométricas y algebraicas. Por un lado, las trenzas se pueden ver como puntos que se mueven en un disco y, por otro, como cuerdas que se entrecruzan. En esta charla explicaremos en qué consisten estas definiciones y cómo las trenzas conectan resultados topológicos y resultados algebraicos. También veremos qué papel pueden jugar las trenzas en campos aplicados, como la criptografía o la construcción de dispositivos de mezcla de fluidos.

Very frequently, mainly in dynamic problems,some data is uncertain at the decision-making time, although some information is already available. The mathematical optimization models under uncertainty, so-named stochastic optimization ones structure the uncertainty in a set of representative scenarios. The stochastic RiskNeutral (RN) models aim to obtaining a feasible solution for the scenario-based constraint system that, say, maximizes the expected objective function value in the scenarios. The RN approach has been used since the 60s. The good news is that,even within the difficulty of solving realistic stochastic models mainly in the presence of integer variables, the nice structure of the two-stage and multistage models can be exploited in problem solving. However, that approach means that the optimal solution may have poor objective function values in some (non-desired) scenarios (theso-named black swan ones). Those values in the RN  approach can be balanced with the ones in some attractive scenarios. So, the drawback of the approach is the negative impact of the RN solution in the black swan scenarios occurrence. However, those RN solutions can be prevented by risk averse measures (RAMs), among them, the Stochastic Dominance(SD) functional-based ones. In this talk, two SD-based time-consistent and time-inconsistent RAMs are considered for two-stage and multistage stochastic problems. They are based on a set of profiles, each one is included by a threshold to achieve in the objective function and any other function, an upper bound on the threshold achievement shortfall in each scenario, an upper bound on the expected shortfall in the set of scenarios, and  an upper bound on the fraction of scenarios with shortfall.

Adversarial Machine Learning (AML) is emerging as a major field aimed at the protection of automated ML systems against security threats. The majority of work in this area has built upon a game-theoretic framework by modelling a conflict between an attacker and a defender. After reviewing game-theoretic approaches to AML, we discuss the benefits that adversarial risk analysis perspectives bring in when  defending ML based systems and identify relevant research directions.

Esta charla tiene como objetivo principal introducir algunos modelos que provienen de la geofísica y de la mecánica de fluidos, como también estudiar sus principales propiedades y características. En particular nos centraremos en la ecuación quasi-geostrófica superficial y presentaremos algunos resultados sobre la regularidad de sus soluciones. La idea de la prueba combina el método de De Giorgi y algunos principios del máximo no locales. Por último, y si el tiempo lo permite, discutiremos sobre algunos problemas abiertos.

En esta charla se introducirá un campo emergente como es la ciencia de datos en el deporte y su creciente relevancia en el rendimiento deportivo, la prevención de lesiones o el análisis técnico-táctico en deportes de equipo. Se plantearán una serie de cuestiones importantes relacionadas con esta nueva profesión y la ciencia detrás de la prevención de lesiones deportivas (principalmente en el fútbol de élite) basada en la experiencia en analítica de datos y la investigación en Estadística. Dae-Jin Lee, es doctor en Ingeniería Matemática e investigador del Centro Vasco de Matemática Aplicada (BCAM) donde lidera el grupo de investigación en Estadística Aplicada y coordina proyectos en ciencia de datos dentro de la unidad de transferencia de conocimiento del BCAM.

La pandemia de la COVID-19 ha puesto de manifiesto la necesidad de contar con sistemas de información epidemiológicos robustos que puedan ayudar en el análisis de datos para la toma de decisiones. Además, de almacenar y gestionar la información, un buen sistema de información epidemiológico debe ser capaz de explotar esa información para realizar análisis estadísticos que ayuden a realizar estimaciones de morbilidad, mortalidad, etc. y en la toma de decisiones. Como ejemplos prácticos pondré el desarrollo de varias herramientas desarrolladas para análisis de la mortalidad en la Comunidad Valenciana, la creación de un atlas de mortalidad en Castilla-La Mancha y el análisis de datos de la COVID-19.

En esta charla analizaré diversos aspectos (científicos, de gestión y de solicitud) sobre las Starting y Consolidator Grants que financian el grueso de mi trabajo en los últimos años. No asumiré ningún conocimiento específico sobre ecuaciones en derivadas parciales, mecánica de fluidos o teoría espectral, que son los temas centrales de estos proyectos.

La estadística deportiva, más relacionada con los términos análisis del deporte (‘Sports Analytics’) y análisis del rendimiento (‘Performance Analysis’), ha crecido exponencialmente gracias a la evolución de las ciencias de la computación, a una nueva cultura para hacer frente a los datos que ha pedido cambios en la organización en los equipos deportivos, y en parte también a trabajos científicos más especializados. El crecimiento de las ciencias del deporte y la medicina deportiva ha creado también una oportunidad para desarrollar un nuevo rol: el de bioestadístico deportivo. La especialización en Bioestadística Deportiva fue propuesta por Caroline Finch y Martí Casals en un trabajo publicado en Injury Prevention y en el British Journal of Sports Medicine que detalla las nuevas oportunidades para este rol y también destaca que la bioestadística puede ser muy útil en estudios sobre la prevención de lesiones y la salud de los atletas. En esta charla, se explicarán diferentes funciones importantes del bioestadístico deportivo y también se ilustrará su función con varios ejemplos prácticos.

Las ecuaciones diferenciales son omnipresentes tanto en las matemáticas puras como las aplicadas. En esta charla queremos estudiar ecuaciones diferenciales donde tanto el término de ruido omega como la función incógnita son funciones Hölderianas. El principal objetivo será definir la integral que define la solución en sentido trayectorial (y no probabilístico), lo cual en particular asegura que la solución va a generar un cociclo, lo que permitiría usar la teoría de sistemas dinámicos aleatorios para estudiar el comportamiento asintótico de la solución. Si el ruido es suficientemente regular (en el sentido de que la suma de los exponentes Hölderianos de omega e Y es mayor que uno), podemos definir la integral en el sentido de Young o con las denominadas derivadas fraccionarias. Si la suma anterior es menor o igual que uno, introduciremos conceptos de la «Rough Path Theory» para definir la integral y, por ende, poder resolver ecuaciones diferenciales.

La gestión de proveedores es un área estratégica de la cadena de suministro, que debe integrar tanto la homologación y selección como el seguimiento y segmentación de proveedores. El objetivo es identificar las relaciones más adecuadas entre la empresa y sus proveedores. La naturaleza multicriterio de la evaluación de proveedores, que debe tener en cuenta aspectos económicos, medioambientales, sociales y éticos, hace especialmente apropiados los modelos de decisión multicriterio que son el principal enfoque en la literatura. Sin embargo, la mayoría de los artículos publicados se han centrado en la evaluación con el objetivo de seleccionar a los mejores proveedores, sin aportar soluciones a las otras fases de la gestión. El principal sector de aplicación ha sido la gran industria manufacturera y las publicaciones se basan más en opiniones y juicios de los profesionales, que en datos reales de las empresas. Se presenta un sistema de apoyo a la toma de decisiones basado en métodos multicriterio compensatorios (AHP y MAUT) y no compensatorios (PROMETHEE) que conjuntamente facilitan la homologación de proveedores y su evaluación sistemática con fines de selección, seguimiento y segmentación. Se analizan y comparan las fortalezas y debilidades de estos métodos. En primer lugar, se explica el sistema diseñado tanto para la homologación, como para la evaluación sistemática que permite seleccionar y hacer un seguimiento de proveedores en una industria agroalimentaria multinacional que fabrica productos para empresas del sector alimentario, farmacéutico y químico. El sistema establece dos fases, en la primera se evalúan los productos, cuyos resultados se integran en la segunda de evaluación de proveedores. En ambos casos, los criterios considerados se agrupan en dos categorías: los que tienen que ver con el mercado y los que se refieren a aspectos internos de la empresa. Los primeros permiten obtener un indicador de criticidad, tanto del producto como del proveedor, mientras que con los segundos se obtiene un indicador del carácter estratégico para la empresa. Estos indicadores permiten segmentar los proveedores para identificar aquellos que deberían ser socios si son muy críticos y muy estratégicos, con quién es mejor hacer contratos a largo plazo, seguir políticas de mercado o cuales se deben eliminar de la cartera de proveedores homologados de la empresa. En segundo lugar, se explica el sistema multicriterio desarrollado para empresas de distribución de alimentos, validado con datos reales de frutas frescas en una cadena de supermercados. En este caso, la gestión de la cadena de suministro tiene características específicas derivadas del carácter perecedero de los alimentos y de la necesidad de suministrar productos de calidad, seguros y asequibles a los consumidores. Por tanto, los criterios considerados en el modelo y su agrupación se adecúan a una empresa de distribución, cuyo cliente es el consumidor final cada vez más preocupado por la sostenibilidad de los productos que adquiere. En esta investigación se propone MAUT para obtener indicadores de la calidad del producto, así como evaluar a los proveedores a nivel global y parcial (indicadores de seguridad alimentaria entre otros). Los modelos desarrollados y validados con datos reales de las empresas muestran la utilidad de AHP para la toma de decisiones colaborativa entre profesionales y departamentos de empresas y la de MAUT para evaluar la calidad de los productos y homologar a los proveedores. PROMETHEE es una técnica multicriterio no compensatoria más robusta en la segmentación de proveedores que aporta mejor información para decisiones estratégicas. Por último, este enfoque se ha aplicado para resolver otros problemas como la evaluación de servicios del ecosistema forestal, la evaluación de riesgos de la producción ganadera y la segmentación de consumidores.

Very frequently, mainly in dynamic problems,some data is uncertain at the decision-making time, although some information is already available. The mathematical optimization models under uncertainty, so-named stochastic optimization ones structure the uncertainty in a set of representative scenarios. The stochastic RiskNeutral (RN) models aim to obtaining a feasible solution for the scenario-based constraint system that, say, maximizes the expected objective function value inthe scenarios. The RN approach has been used since the 60s. The good news is that,even within the difficulty of solving realistic stochastic models mainly in the presence of integer variables, the nice structure of the two-stage and multistage models can be exploited in problem solving. However, that approach means that the optimal solution may have poor objective function values in some (non-desired) scenarios (theso-named black swan ones). Those values in the RN approach can be balanced with the ones in some attractive scenarios. So, the drawback of the approach is the negative impact of the RN solution in the black swan scenarios occurrence. However, those RN solutions can be prevented by risk averse measures (RAMs), among them, the Stochastic Dominance(SD) functional-based ones. In this talk, two SD-based time-consistent and time-inconsistent RAMs are considered for two-stage and multistage stochastic problems. They are based on a set of profiles, each one is included by a threshold to achieve in the objective function and any other function, an upper bound on the threshold achievement shortfall in each scenario, an upper bound on the expected shortfall in the set of scenarios, and an upper bound on the fraction of scenarios with shortfal.

Urban consolidation centers provide the logistical infrastructure for cooperation among less-than-truckload carriers with contiguous destinations. The rising number of initiatives to establish and operate urban consolidation centers and their low success rates signal the need for better mechanisms to manage cooperation in this context. We introduce and study cooperative situations comprising a set of carriers with time sensitive deliveries who can consolidate their cargo to obtain savings. We introduce the class of Dispatch Consolidation (DC) games and search for ways to fairly allocate the obtained savings among the participating carriers. When delivery capacities are not restrictive, i.e.when waiting costs trigger truck dispatches, we show that stable allocations inthe core always exist and can, in their entirety, be found by solving a compact linear program. With restrictive capacities, however, the core of a DC game maybe come empty. We introduce the notion of component-wise core for DC games top reserve stability first and foremost among the carriers whose deliveries are dispatched together in the chosen optimal solutions. The novelty of our approach is to link the stability requirements of an allocation rule with the structure of selected solutions for the underlying optimization problems. We characterize the component-wise cores of DC games, prove their non-emptiness, and suggest proportionally calculated allocations therein.

La síntesis de programas consiste en construir modelos predictivos combinando diferentes bloques independientes que representan funciones matemáticas. El objetivo de esta charla es ofrecer una visión global de las herramientas y procesos necesarios para desarrollar un proyecto de investigación en Python, además de enseñar cómo se han aplicado en el ámbito de la síntesis de programas.

En esta presentación se analizan las diferentes razones que contribuyen a que las Matemáticas se encuentren, hoy en día, en un primer plano de actualidad. Destacaríamos, en primer lugar, su presencia, como lenguaje y herramienta fundamental, en todas las ciencias (incluidas las sociales) y ramas de la tecnología. Nos detendremos en temas específicos en los que las Matemáticas tienen un mayor impacto: La revolución digital y la informática (Big Data, Inteligencia Artificial, Support Vector Machines, Search Engines como Google, ordenador cuántico, etc.), la dinámica de fluidos, la estadística (diagnóstico automático, credit scoring, análisis de textos literarios, marketing, etc.), la optimización (planificación de la producción, scheduling, localización de servicios de emergencia, etc.), y la teoría de juegos (medición de índices de poder, problemas de imputación de costes, tecnología bélica, teoría del equilibrio en Economía, conflictos sociales, juegos de evolución, etc.). En el contexto internacional la importancia de las Matemáticas se ve reconocido por el prestigio de los galardones que premian la excelencia matemática y el gran impacto de sus aplicaciones (medallas Fields y Chern, premios Abel, Gauss, y Nevanlina). El gran impacto de las Matemáticas se ve reflejado en la gran demanda de matemáticos por las empresas que determina los altos índices de empleo en la profesión (principalmente en asesorías, bancos, gabinetes de estudios económicos y financieros, etc.), y el correspondiente auge de los estudios de Matemáticas, para los que la llamada nota de corte se ha disparado al alza en los últimos años. En el capítulo de las contradicciones reseñaremos el riesgo anunciado de que en la futura legislación educativa desparezcan las Matemáticas como materia obligatoria incluso en el bachillerato de ciencias/tecnología.

We consider the class of mathematical programs with complementarity constraints (MPCC). Under an appropriate constraint qualification of Mangasarian-Fromovitz type we present a topological and an equivalent algebraic characterization of a stronglystable C-stationary point of MPCC. Strong stability refers to the local uniqueness, existence and continuous dependence of a solution for each sufficiently small perturbed problem where perturbations up to second order are allowed. This concept of strong stability was originally introduced by Kojima for standard nonlinear optimization; here, its generalization to MPCC demands a sophisticated technique which takes the combinatorial properties of the solution set of MPCC into account.

SAE provides stable estimates of area statistics in the presence of small samples. This is achieved by combining observations from multiple areas in suitable regression models.These models exploit the functional relation between the area statistic and contextually related covariate data to make predictions for the quantities of interest. An important assumption of this methodologyis that the covariate data is measured correctly. If this does not hold, areastatistic estimates can be severely biased or highly inefficient. In that case, methodological adjustments are required to allow for reliable results. There are several approachesin the literature that allow for robust estimates from contaminated data bases. Unfortunately, many of them share a common limitation. Robust SAE techniques typically require distribution assumptions on the measurement error. Theseassumptions can be either explicit by requiring a specific distribution, or implicit by demanding that the distribution is known. However, both settings are rarely verifiable in practice. We propose a new approach torobust SAE that does not require distribution assumptions on the measurement error. Using insights into robust optimization theory, we proof that regularized model parameter estimation is equivalent to the robust minimization of loss functions under arbitrary model matrix perturbations. This equivalence holds for many well-established regularized regression methods, such as theLASSO, ridge regression, and the elastic net. It allows us to produce reliablearea statistic estimates in the presence of unknown covariate measurement errors. We built upon this result toderive a modified Jackknife algorithm that allows for conservative MSEestimation for predictions obtained on contaminated data bases. In addition to that, we discuss consistency in model parameter estimation of regularized regression in this setting. The effectiveness of the methodology is demonstrated in a Monte Carlo simulation study.

“Se dice que todo problema es un problema de optimización, pero no sabemos cómo convertir todos los problemas en simples funciones a optimizar y, aunque lo supiésemos, no sabemos resolver el problema de la optimización de forma general; sólo sabemos hacerlo con cierta eficiencia si el dominio es convexo y la función es convexa, continua y derivable. Sin todas estas limitaciones, simplemente no sabemos cómo optimizar eficientemente. La inteligencia es un concepto difícil de entender y, más aún, de convertir en un simple problema de optimización. Los pocos intentos existentes de definirla no suelen ofrecer tanto detalle y, cuando lo ofrecen, las ecuaciones que resultan no son resolubles. En este seminario definiremos el problema de la inteligencia como un problema de optimización, usando para ello conceptos de la termodinámica, y construiremos un método para resolver las ecuaciones de forma eficiente. Veremos ejemplos de cómo este método se adecua a la resolución de una gran variedad de problemas diferentes: desde optimización de funciones sin restricciones, jugar (y ganar, claro) juegos de Atari, resolver laberintos o, incluso, resolver analíticamente ecuaciones matemáticas.”

The main objective of this paper is to propose a tool for measuring theproductivity and performance gaps across a set of Decision Making Units (DMUs)for monitoring their evolution and analyzing their components over time. To dothis, we use the approach proposed by Aparicio and Santín (2018), which isgrounded on a base-group base-period productivity index and Data EnvelopmentAnalysis (DEA). Additionally, we propose a new index for measuring the performancegap between two or more groups of production units and its decomposition ineffectiveness gap and outcome possibility set gap. As an empirical illustration of the approach, we focus our attention onthe educational sector. In particular, we analyze six Latin American countriesover time. For this purpose, we rely on OECD-PISA data aggregated atschool level. Over the period 2006 to 2018, performance and productivityfollowed very different paths in each country showing that the correlationbetween school performance and productivity is very low. Therefore, we suggestthat the simultaneous analysis of performance and productivity gaps togetherwith their evolution over time is a must in order to benchmark countries andmonitor improvements and weaknesses in education systems. The information gathered could be used by policy makers to justify newprograms or new framework laws to boost results in either or both dimensions.This is especially important in the case of countries with federal systems ofgovernment, as it is the case of Spain, to assure that public services inequalities,mainly health and education, among states are tolerable or for making decisionson investment more in public or in stated-funded private production units.

La metodología general de investigación en cualquier campo científico está organizada como una serie de etapas para la consecución del objetivo propuesto a partir de una hipótesis de partida. En cada una de estas etapas nos encontramos con una metodología de desarrollo, unos instrumentos que utilizar, un contexto de realización y unos requerimientos de precisión y verificación de resultados. Normalmente, algunas de estas etapas se llevan a cabo, total o parcialmente, mediante computación informática, de cara a afrontar la resolución de algún problema de cálculo matemático de alto coste computacional. De esta manera, toda mejora que se consiga en la resolución de estas etapas computacionales influirá directamente en el conjunto del proceso científico.En esta charla, en primer lugar, mostraremos la propuesta general de nuestro grupo de investigación para dotar al software científico de capacidad de optimizarse automáticamente, con el objetivo de reducir su tiempo de ejecución cuando se utiliza un sistema hardware de altas prestaciones. A continuación, describiremos un par de proyectos donde hemos aplicado nuestra metodología en el seno de equipos multidisciplinares junto a expertos de diferentes campos de la ciencia..

A popular approach to enhance portfolio diversification is to use the factor-risk-parity portfolio, which is the portfolio whose return variance is spread equally among the principal components (PCs) of asset returns. Although PCs are unique and useful for dimension reduction, they are an arbitrary choice because any rotation of the PCs remains uncorrelated. This is problematic because we demonstrate that any portfolio isthe factor-variance-parity portfolio corresponding to a specific rotation ofthe PCs. To overcome this problem, we rely on the factor-risk-parity portfolio based on the independent components (ICs), which are the rotation of the PCs that are maximally independent, and thus, account for higher moments in asset returns. We demonstrate that using the IC-variance-parity portfolio helps to reduce the return kurtosis. We also show how to exploit the near independence of the ICs to parsimoniously estimate the factor-risk-parity portfolio based on Value-at-Risk. Finally, we empirically demonstrate that portfolios based on IC soutperform those based on PCs, and the minimum-variance portfolio.

El docente impartirá una charla sobre sobre Optimización dentro del área de investigación operativa. Además, Blanco ha recibido una ayuda para proyectos de investigación de la Fundación de BBVA con su proyecto “Complex networks meet data science (NetmeetData)”. Estas ayudas responden al compromiso con el impulso de la investigación científica y su proyección a la sociedad, como forma de ampliar las oportunidades individuales y colectivas y abordar de manera eficaz los principales retos del siglo XXI.