PhD en Ciencias de la Computación

Machine Learning
explicable y justo.
Investigación para
decisiones complejas.

Retrato de Francisco Pérez-Galarce
Francisco Pérez-Galarce
Profesor Asistente · Universidad de Las Américas, Chile
Facultad de Ingeniería y Negocios

PhD in Engineering Sciences, specialization in Computer Science
Pontificia Universidad Católica de Chile

Industrial Civil Engineer and Master in Operations Management
Universidad de Talca
Perfiles académicosGoogle Scholar ↗ORCID ↗GitHub ↗

Agenda científica

Comprender, evaluar y decidir.

Explorar investigación ↗
01 / EXPLICABILIDAD

Modelos que podemos comprender

Modelos y métodos para interpretar predicciones y examinar su relación con el conocimiento del dominio, especialmente en análisis de supervivencia.

02 / EQUIDAD

Evaluación entre subpoblaciones

Cómo medir y contextualizar las diferencias de desempeño predictivo entre grupos, considerando los límites de las métricas utilizadas.

03 / DECISIONES

De la predicción a la asignación

Machine Learning e Investigación de Operaciones para estudiar decisiones que incorporen incertidumbre, restricciones y criterios de equidad.

Proyecto actual · 2026–2029

Modelos justos e interpretables para la supervivencia en trasplante renal.

Como investigador principal, desarrollo modelos de supervivencia que consideran riesgos competitivos y su relevancia para decisiones clínicas y políticas de trasplante.

Conocer objetivos y metodología ↗

Colaboración y transferencia

Investigar juntos.
Llevar los modelos a la práctica.

Colaboro con equipos de investigación y organizaciones en estudios aplicados, desarrollo de sistemas de apoyo a decisiones y asesorías especializadas en Machine Learning e Investigación de Operaciones.