Carlos Acuña

Carlos Acuña Ocampo es Profesor Investigador de EGADE Business School del Tecnológico de Monterrey. Su labor académica se centra en la inteligencia artificial, la ciencia de datos, el aprendizaje automático y el aprendizaje profundo, con especial interés en el desarrollo de modelos que permitan generar conocimiento a partir de datos y apoyar la toma de decisiones. Su investigación explora la aplicación de técnicas de inteligencia artificial y visión por computadora para resolver problemas complejos en ámbitos como la salud, la manufactura, la movilidad y la analítica de datos. Es autor y coautor de publicaciones científicas en revistas internacionales, entre ellas Scientific Reports (Nature Portfolio), in silico Plants (Oxford University Press) e International Journal of Applied Mathematics and Computer Science. Además de su actividad investigadora, participa activamente en la formación de estudiantes de licenciatura y de posgrado en el Tecnológico de Monterrey. Su labor busca vincular la investigación con la aplicación estratégica de la inteligencia artificial y la analítica de datos para impulsar la innovación y la transformación de las organizaciones.

• Investigador invitado al Computer Vision and Machine Learning Workshop de la Society for Cancer Research, Arlesheim, Suiza (2024).
• Revisor científico para revistas académicas internacionales, incluidas publicaciones de Nature Portfolio.
• Colaborador en proyectos de investigación financiados, entre ellos el proyecto CONAHCYT DAMA – Descubrimiento Acelerado de Materiales Antibioincrustantes.

• Doctorado en Ciencias en Robótica y Manufactura Avanzada
  Centro de Investigación y de Estudios Avanzados del Instituto Politécnico Nacional (CINVESTAV-IPN)
• Maestría en Ciencias en Robótica y Manufactura Avanzada
  Centro de Investigación y de Estudios Avanzados del Instituto Politécnico Nacional (CINVESTAV-IPN)
• Ingeniería en Sistemas Automotrices
  Instituto Politécnico Nacional (IPN)

• Guglielmetti, G., Castelán, M., Miguel Sánchez, D. K., Acuña, C., Martin, D., Baumgartner, S., & Tournier, A. L. (2026). Human Perception-Based Deep Learning Classification: An Exploratory Application to a Large Chronobiology Dataset. in silico Plants (Oxford University Press). 
• Acuña, C., Arechavaleta, G., & Castelán, M. (2025). Probabilistic Lane Segmentation Using a Low-Dimensional Linear Parametrization. International Journal of Applied Mathematics and Computer Science, 35(1). 
• Acuña, C., Chávez, D., Velázquez, C., Velazco, D., Vargas, G., & Castelán, M. (2025). Deep Learning-Based Identification of Electrodeposition Time: A Case Study Using Synthetic Images of Copper Coatings. The International Journal of Advanced Manufacturing Technology, 138(5). 
• Kokornaczyk, M. O., Acuña, C., Mier y Terán, A., Castelán, M., & Baumgartner, S. (2024). Vortex-like vs. Turbulent Mixing of a Viscum album Preparation Affects Crystalline Structures Formed in Dried Droplets. Scientific Reports, 14(1), 12965. 
• Acuña, C., Kokornaczyk, M. O., Baumgartner, S., & Castelán, M. (2023). Unsupervised Deep Learning Approach for Characterizing Fractality in Dried Drop Patterns of Differently Mixed Viscum album Preparations. Fractal and Fractional, 7(10), 733. 
• Velázquez, C., Chávez, D., Acuña, C., Vargas, G., & Castelán, M. (2023). Electrodeposition of Copper Coatings on Sandblasted 304 Stainless Steel Surfaces: A Characterization Study Using Computer Vision Methods. Coatings, 13(11), 1890. 
• Acuña, C., Mier y Terán, A., Kokornaczyk, M. O., Baumgartner, S., & Castelán, M. (2022). Deep Learning Applied to Analyze Patterns from Evaporated Droplets of Viscum album Extracts. Scientific Reports, 12(1), 15332.