El Dr. Sergio Fajardo es matemático, profesor y político. Al inicio de su carrera, trabajó en diversas instituciones científicas en Colombia, como el Consejo Nacional de Ciencias Básicas (transformado en 2019). Posteriormente, en 2016 y 2019, se desempeñó como profesor visitante en el Centro de Estudios Latinoamericanos de la Universidad de California, en Berkeley, Estados Unidos.

En 1999, fundó el movimiento cívico Compromiso Ciudadano, con el cual fue elegido alcalde de Medellín para el periodo 2004–2007, obteniendo la mayor cantidad de votos registrada hasta ese momento en la historia de la ciudad. Su administración se caracterizó por una nueva forma de gestión pública, centrada en la ciudadanía, la transparencia y la innovación social, lo que resultó en los más altos índices de aceptación y popularidad en Colombia. Lideró la mayor transformación de Medellín: de ser una ciudad marcada por la desigualdad y la violencia, pasó a convertirse en un ejemplo global de cambio social a través de la educación y el urbanismo.

Entre 2012 y 2015 fue gobernador de Antioquia, donde trabajó contra la desigualdad, la violencia y la corrupción, y lideró su desarrollo económico y social. Fue candidato a la presidencia de Colombia en las elecciones de 2018 y 2022. En 2023, Sergio Fajardo cofundó el partido político Dignidad y Compromiso.

Como matemático, los temas centrales de su investigación fueron la lógica matemática y el área de la teoría de modelos probabilísticos. En el ámbito político, su trabajo se ha enfocado en el urbanismo, el desarrollo territorial, la educación y la equidad de género, entre otros.

Sergio Fajardo se incorporó al Tecnológico de Monterrey como Profesor Universitario Distinguido en Liderazgo Público para la Escuela de Ciencias Sociales y Gobierno y la Escuela de Gobierno y Transformación Pública.

• Doctorado, Matemáticas, Universidad de Wisconsin-Madison
• Maestría, Matemáticas, Universidad de Wisconsin-Madison
• Licenciatura, Matemáticas, Universidad de los Andes

• Fajardo, S. (2017). El poder de la decencia. Ideas sensatas para un país en busca de confianza. Colombia. Número de páginas: 202. https://hdl.handle.net/11285/652332

• Fajardo, Sergio & Keisler, H.. (2017). Model Theory of Stochastic Processes. 10.1017/9781316756126.

Más información

El Dr. Sergio Fajardo es matemático, profesor y político. Al inicio de su carrera, trabajó en diversas instituciones científicas en Colombia, como el Consejo Nacional de Ciencias Básicas (transformado en 2019). Posteriormente, en 2016 y 2019, se desempeñó como profesor visitante en el Centro de Estudios Latinoamericanos de la Universidad de California, en Berkeley, Estados Unidos.

En 1999, fundó el movimiento cívico Compromiso Ciudadano, con el cual fue elegido alcalde de Medellín para el periodo 2004–2007, obteniendo la mayor cantidad de votos registrada hasta ese momento en la historia de la ciudad. Su administración se caracterizó por una nueva forma de gestión pública, centrada en la ciudadanía, la transparencia y la innovación social, lo que resultó en los más altos índices de aceptación y popularidad en Colombia. Lideró la mayor transformación de Medellín: de ser una ciudad marcada por la desigualdad y la violencia, pasó a convertirse en un ejemplo global de cambio social a través de la educación y el urbanismo.

Entre 2012 y 2015 fue gobernador de Antioquia, donde trabajó contra la desigualdad, la violencia y la corrupción, y lideró su desarrollo económico y social. Fue candidato a la presidencia de Colombia en las elecciones de 2018 y 2022. En 2023, Sergio Fajardo cofundó el partido político Dignidad y Compromiso.

Como matemático, los temas centrales de su investigación fueron la lógica matemática y el área de la teoría de modelos probabilísticos. En el ámbito político, su trabajo se ha enfocado en el urbanismo, el desarrollo territorial, la educación y la equidad de género, entre otros.

Sergio Fajardo se incorporó al Tecnológico de Monterrey como Profesor Universitario Distinguido en Liderazgo Público para la Escuela de Ciencias Sociales y Gobierno y la Escuela de Gobierno y Transformación Pública.

• Doctorado, Matemáticas, Universidad de Wisconsin-Madison
• Maestría, Matemáticas, Universidad de Wisconsin-Madison
• Licenciatura, Matemáticas, Universidad de los Andes

• Fajardo, S. (2017). El poder de la decencia. Ideas sensatas para un país en busca de confianza. Colombia. Número de páginas: 202. https://hdl.handle.net/11285/652332

• Fajardo, Sergio & Keisler, H.. (2017). Model Theory of Stochastic Processes. 10.1017/9781316756126.

Más información

El Dr. Carlos Coello es profesor con distinción (Investigador CINVESTAV 3F) en el Centro de Investigación y de Estudios Avanzados del Instituto Politécnico Nacional (CINVESTAV-IPN), en la Ciudad de México, y profesor visitante en el Centro Vasco de Matemática Aplicada (BCAM, por sus siglas en inglés), en España. Ha impartido cursos a nivel de maestría y doctorado en el CINVESTAV-IPN sobre computación evolutiva, optimización evolutiva multiobjetivo, lenguajes de programación y optimización en ingeniería. Además, ha impartido cursos cortos en España, Inglaterra, India, Estados Unidos, entre otros países.

Sus líneas de investigación incluyen la computación evolutiva (algoritmos genéticos y estrategias evolutivas), así como la optimización en ingeniería. Sus principales contribuciones se han centrado en el diseño de algoritmos estocásticos inspirados en la biología para resolver problemas de optimización multiobjetivo altamente complejos (principalmente no lineales). Ha realizado aportaciones pioneras en esta área, que hoy se conoce como optimización evolutiva multiobjetivo. Por ejemplo, propuso, junto con su grupo de investigación, el primer microalgoritmo genético para optimización multiobjetivo, el cual ha sido utilizado en aplicaciones reales en diversos países, como Estados Unidos, en el diseño de aviones ejecutivos supersónicos. Es miembro del Consejo Asesor Fundacional de la International AIQT Foundation, una organización que busca establecer un centro de investigación en inteligencia artificial y tecnología cuántica altamente competitivo a nivel internacional.

Entre sus múltiples reconocimientos y distinciones, el Dr. Carlos Coello fue galardonado en 2024 con el Premio Edgeworth-Pareto de la MCDM, otorgado por la International Society on Multi-Criteria Decision Making (MCDM). En 2023, recibió el Premio Crónica en Ciencia y Tecnología, y fue seleccionado por la revista Líderes como parte de su lista de “Los 300 líderes más influyentes de México”, ocupando la posición número 69. También obtuvo el SIGEVO Outstanding Contribution Award (2023), otorgado por la Association for Computing Machinery (ACM), así como el IEEE Computational Intelligence Society Evolutionary Computation Pioneer Award (2021), entre muchos otros.

El Dr. Coello pertenece al nivel 3 del Sistema Nacional de Investigadoras e Investigadores (SNII) en México y fue clasificado como el número 289 a nivel mundial y el número 1 en México en la 8.ª edición del Ranking 2022 de Guide2Research de los 1000 científicos más destacados en el área de Ciencias de la Computación y Electrónica.

Carlos Coello se incorporó al Tecnológico de Monterrey como Profesor Visitante Distinguido en Ciencias Computacionales e Inteligencia Computacional para la Escuela de Ingeniería y Ciencias.

• Doctorado, Ciencias Computacionales, Tulane University
• Maestría, Ciencias Computacionales, Tulane University
• Ingeniería Civil, Universidad Autónoma de Chiapas (Summa cum laude)
   

• Sofien Boutaib, Maha Elarbi, Slim Bechikh, Carlos A. Coello Coello, Lamjed Ben Said, Uncertainty-wise Software Anti-patterns Detection: A Possibilistic Evolutionary Machine Learning Approach, Applied Soft Computing, Vol. 129, Número de artículo: 109620, Noviembre 2022.

• Forhad Zaman, Saber Elsayed, Ruhul Sarker, Daryl Essam and Carlos A. Coello Coello, Pro-Reactive Approach for Project Scheduling Under Unpredictable Disruptions, IEEE Transactions on Cybernetics, Vol. 52, No. 11, pp. 11299--11312, Noviembre 2022.

• Lingjie Li, Yongfeng Li, Qiuzhen Lin, Zhong Ming, Carlos A. Coello Coello, A Convergence and Diversity Guided Leader Selection Strategy for Many-objective Particle Swarm Optimization<, Engineering Applications of Artificial Intelligence, Vol. 155, Número de artículo: 105249, Octubre 2022.

• Qiuzhen Lin, Xunfeng Wu, Jianqiang Li, Maoguo Gong and Carlos A. Coello Coello, An Ensemble Surrogate-based Framework for Expensive Multiobjective Evolutionary Optimization, IEEE Transactions on Evolutionary Computation, Vol. 26, No. 4, pp. 631--645, Agosto 2022.

• Qiyuan Yu, Qiuzhen Lin, Zexuan Zhu, Ka-Chun Wong, Carlos A. Coello Coello, A dynamic multi-objective evolutionary algorithm based on polynomial regression and adaptive clustering, Swarm and Evolutionary Computation, Vol. 71, Número de artículo: 101075, Junio 2022.

Más publicaciones

El Dr. Carlos Coello es profesor con distinción (Investigador CINVESTAV 3F) en el Centro de Investigación y de Estudios Avanzados del Instituto Politécnico Nacional (CINVESTAV-IPN), en la Ciudad de México, y profesor visitante en el Centro Vasco de Matemática Aplicada (BCAM, por sus siglas en inglés), en España. Ha impartido cursos a nivel de maestría y doctorado en el CINVESTAV-IPN sobre computación evolutiva, optimización evolutiva multiobjetivo, lenguajes de programación y optimización en ingeniería. Además, ha impartido cursos cortos en España, Inglaterra, India, Estados Unidos, entre otros países.

Sus líneas de investigación incluyen la computación evolutiva (algoritmos genéticos y estrategias evolutivas), así como la optimización en ingeniería. Sus principales contribuciones se han centrado en el diseño de algoritmos estocásticos inspirados en la biología para resolver problemas de optimización multiobjetivo altamente complejos (principalmente no lineales). Ha realizado aportaciones pioneras en esta área, que hoy se conoce como optimización evolutiva multiobjetivo. Por ejemplo, propuso, junto con su grupo de investigación, el primer microalgoritmo genético para optimización multiobjetivo, el cual ha sido utilizado en aplicaciones reales en diversos países, como Estados Unidos, en el diseño de aviones ejecutivos supersónicos. Es miembro del Consejo Asesor Fundacional de la International AIQT Foundation, una organización que busca establecer un centro de investigación en inteligencia artificial y tecnología cuántica altamente competitivo a nivel internacional.

Entre sus múltiples reconocimientos y distinciones, el Dr. Carlos Coello fue galardonado en 2024 con el Premio Edgeworth-Pareto de la MCDM, otorgado por la International Society on Multi-Criteria Decision Making (MCDM). En 2023, recibió el Premio Crónica en Ciencia y Tecnología, y fue seleccionado por la revista Líderes como parte de su lista de “Los 300 líderes más influyentes de México”, ocupando la posición número 69. También obtuvo el SIGEVO Outstanding Contribution Award (2023), otorgado por la Association for Computing Machinery (ACM), así como el IEEE Computational Intelligence Society Evolutionary Computation Pioneer Award (2021), entre muchos otros.

El Dr. Coello pertenece al nivel 3 del Sistema Nacional de Investigadoras e Investigadores (SNII) en México y fue clasificado como el número 289 a nivel mundial y el número 1 en México en la 8.ª edición del Ranking 2022 de Guide2Research de los 1000 científicos más destacados en el área de Ciencias de la Computación y Electrónica.

Carlos Coello se incorporó al Tecnológico de Monterrey como Profesor Visitante Distinguido en Ciencias Computacionales e Inteligencia Computacional para la Escuela de Ingeniería y Ciencias.

• Doctorado, Ciencias Computacionales, Tulane University
• Maestría, Ciencias Computacionales, Tulane University
• Ingeniería Civil, Universidad Autónoma de Chiapas (Summa cum laude)
   

• Sofien Boutaib, Maha Elarbi, Slim Bechikh, Carlos A. Coello Coello, Lamjed Ben Said, Uncertainty-wise Software Anti-patterns Detection: A Possibilistic Evolutionary Machine Learning Approach, Applied Soft Computing, Vol. 129, Número de artículo: 109620, Noviembre 2022.

• Forhad Zaman, Saber Elsayed, Ruhul Sarker, Daryl Essam and Carlos A. Coello Coello, Pro-Reactive Approach for Project Scheduling Under Unpredictable Disruptions, IEEE Transactions on Cybernetics, Vol. 52, No. 11, pp. 11299--11312, Noviembre 2022.

• Lingjie Li, Yongfeng Li, Qiuzhen Lin, Zhong Ming, Carlos A. Coello Coello, A Convergence and Diversity Guided Leader Selection Strategy for Many-objective Particle Swarm Optimization<, Engineering Applications of Artificial Intelligence, Vol. 155, Número de artículo: 105249, Octubre 2022.

• Qiuzhen Lin, Xunfeng Wu, Jianqiang Li, Maoguo Gong and Carlos A. Coello Coello, An Ensemble Surrogate-based Framework for Expensive Multiobjective Evolutionary Optimization, IEEE Transactions on Evolutionary Computation, Vol. 26, No. 4, pp. 631--645, Agosto 2022.

• Qiyuan Yu, Qiuzhen Lin, Zexuan Zhu, Ka-Chun Wong, Carlos A. Coello Coello, A dynamic multi-objective evolutionary algorithm based on polynomial regression and adaptive clustering, Swarm and Evolutionary Computation, Vol. 71, Número de artículo: 101075, Junio 2022.

Más publicaciones

El Dr. Thomas Kurfess es director de manufactura del Instituto de Tecnología de Georgia (Georgia Institute of Technology, GT) y director ejecutivo del Instituto de Manufactura de Georgia Tech (Georgia Tech Manufacturing Institute, GTMI), además de ocupar la cátedra distinguida HUSCO Ramirez en Potencia de Fluidos y Control de Movimiento en dicha institución. Asimismo, es Profesor Regente (Regents’ Professor) del Instituto de Tecnología de Georgia y profesor y titular emérito de la Cátedra BMW en Manufactura en la Universidad de Clemson. Anteriormente, se desempeñó como subdirector de la Oficina de Manufactura Avanzada de la Oficina de Ciencia y Tecnología de la Casa Blanca (OSTP, por sus siglas en inglés), en la Oficina Ejecutiva del Presidente de los Estados Unidos (2012-2013), y como director de manufactura del Laboratorio Nacional de Oak Ridge (2019-2021).

En las primeras etapas de su carrera, fue profesor asociado en la Universidad Carnegie Mellon. Ha impartido cursos sobre temas como sistemas avanzados de manufactura; control y aseguramiento de la calidad; pruebas de vehículos; electrónica automotriz; procesamiento y control de señales en tiempo real; sistemas de precisión y manufactura; así como robótica y dinámica avanzada.

La investigación de Thomas Kurfess se centra en el diseño y desarrollo de sistemas avanzados de manufactura mediante la integración de nuevas tecnologías en las operaciones de producción, así como en cuestiones de política de manufactura a nivel nacional (Estados Unidos) e internacional.

Es miembro electo de la Academia Nacional de Ingeniería de los Estados Unidos (U.S. National Academy of Engineering) y presidente del estudio de dicha academia titulado “Opciones para un plan nacional de manufactura inteligente”, así como miembro de la Junta Nacional de Materiales y Manufactura de los Estados Unidos (U.S. National Materials and Manufacturing Board y miembro de la Junta de Gobernadores de la Sociedad Estadounidense de Ingenieros Mecánicos (American Society of Mechanical Engineers, ASME), entre otros.

Thomas Kurfess se incorporó al Tecnológico de Monterrey como Profesor Visitante Distinguido en Manufactura Avanzada para la Escuela de Ingeniería y Ciencias.

• Doctorado, Ingeniería Mecánica, Massachusetts Institute of Technology
• Maestría, Ingeniería Electrónica y Ciencias de la Computación, MIT
• Maestría, Ingeniería Mecánica, MIT
• Ingeniería Mecánica, MIT

• Lu, L. Kurfess, T.R., Saldana, C.J., “Effects of Extrinsic Noise Factors on Machine Learning Based Chatter Detection in Machining,” International Journal of Smart and Sustainable Manufacturing, 2021, aceptado.

• Miers, J.C, Tucker, T.M., Kurfess, T.R., Saldana, C.J., “Voxel-Based Modeling of Transient Material Removal in Machining,” International Journal of Advanced Manufacturing Technology, 2021, aceptado.

• Parto Dezfouli, M., Urbina Coronado, Saldana, C.J., Kurfess, T.R., “Cyber-Physical System Implementation for Manufacturing with Analytics in the Cloud Layer,” ASME Journal of Computing and Information Science in Engineering, 2021.

• Feldhausen, T., Saleeby, K., Love, L., Kurfess, T.R., “Spinning the Digital Thread with Hybrid Manufacturing,” ASME Smart and Manufacturing Letters, Vol. 29, pp. 15-18, doi.org/10.1016/j.mfglet.2021.05.003, 2021.

• Castro‐Martin, A.P., Ahuett‐Garza, H., Guamán‐Lozada, D., Márquez‐Alderete, M.F., Urbina Coronado, P.D. 1, Orta Castañon, P.A., Kurfess, T.R., González de Castilla, E., “Connectivity as a Design Feature for Industry 4.0 Production Equipment: Application for the Development of an In‐Line Metrology System,” Applied Science, Vol. 11, doi.org/10.3390/app11031312, 2021

Más publicaciones

El Dr. Thomas Kurfess es director de manufactura del Instituto de Tecnología de Georgia (Georgia Institute of Technology, GT) y director ejecutivo del Instituto de Manufactura de Georgia Tech (Georgia Tech Manufacturing Institute, GTMI), además de ocupar la cátedra distinguida HUSCO Ramirez en Potencia de Fluidos y Control de Movimiento en dicha institución. Asimismo, es Profesor Regente (Regents’ Professor) del Instituto de Tecnología de Georgia y profesor y titular emérito de la Cátedra BMW en Manufactura en la Universidad de Clemson. Anteriormente, se desempeñó como subdirector de la Oficina de Manufactura Avanzada de la Oficina de Ciencia y Tecnología de la Casa Blanca (OSTP, por sus siglas en inglés), en la Oficina Ejecutiva del Presidente de los Estados Unidos (2012-2013), y como director de manufactura del Laboratorio Nacional de Oak Ridge (2019-2021).

En las primeras etapas de su carrera, fue profesor asociado en la Universidad Carnegie Mellon. Ha impartido cursos sobre temas como sistemas avanzados de manufactura; control y aseguramiento de la calidad; pruebas de vehículos; electrónica automotriz; procesamiento y control de señales en tiempo real; sistemas de precisión y manufactura; así como robótica y dinámica avanzada.

La investigación de Thomas Kurfess se centra en el diseño y desarrollo de sistemas avanzados de manufactura mediante la integración de nuevas tecnologías en las operaciones de producción, así como en cuestiones de política de manufactura a nivel nacional (Estados Unidos) e internacional.

Es miembro electo de la Academia Nacional de Ingeniería de los Estados Unidos (U.S. National Academy of Engineering) y presidente del estudio de dicha academia titulado “Opciones para un plan nacional de manufactura inteligente”, así como miembro de la Junta Nacional de Materiales y Manufactura de los Estados Unidos (U.S. National Materials and Manufacturing Board y miembro de la Junta de Gobernadores de la Sociedad Estadounidense de Ingenieros Mecánicos (American Society of Mechanical Engineers, ASME), entre otros.

Thomas Kurfess se incorporó al Tecnológico de Monterrey como Profesor Visitante Distinguido en Manufactura Avanzada para la Escuela de Ingeniería y Ciencias.

• Doctorado, Ingeniería Mecánica, Massachusetts Institute of Technology
• Maestría, Ingeniería Electrónica y Ciencias de la Computación, MIT
• Maestría, Ingeniería Mecánica, MIT
• Ingeniería Mecánica, MIT

• Lu, L. Kurfess, T.R., Saldana, C.J., “Effects of Extrinsic Noise Factors on Machine Learning Based Chatter Detection in Machining,” International Journal of Smart and Sustainable Manufacturing, 2021, aceptado.

• Miers, J.C, Tucker, T.M., Kurfess, T.R., Saldana, C.J., “Voxel-Based Modeling of Transient Material Removal in Machining,” International Journal of Advanced Manufacturing Technology, 2021, aceptado.

• Parto Dezfouli, M., Urbina Coronado, Saldana, C.J., Kurfess, T.R., “Cyber-Physical System Implementation for Manufacturing with Analytics in the Cloud Layer,” ASME Journal of Computing and Information Science in Engineering, 2021.

• Feldhausen, T., Saleeby, K., Love, L., Kurfess, T.R., “Spinning the Digital Thread with Hybrid Manufacturing,” ASME Smart and Manufacturing Letters, Vol. 29, pp. 15-18, doi.org/10.1016/j.mfglet.2021.05.003, 2021.

• Castro‐Martin, A.P., Ahuett‐Garza, H., Guamán‐Lozada, D., Márquez‐Alderete, M.F., Urbina Coronado, P.D. 1, Orta Castañon, P.A., Kurfess, T.R., González de Castilla, E., “Connectivity as a Design Feature for Industry 4.0 Production Equipment: Application for the Development of an In‐Line Metrology System,” Applied Science, Vol. 11, doi.org/10.3390/app11031312, 2021

Más publicaciones