Sebastián Moreno

Sebastián Moreno

Ph.D. en Ciencias de la Computación
Profesor Asociado
FACULTAD DE INGENIERÍA Y CIENCIAS
CHILE
Viña

Sebastián Moreno

Ph.D. en Ciencias de la Computación

Grupo: Data Science | Informática

Sebastián Moreno Araya es un académico con trayectoria en el campo de la informática, ciencias de la computación y la ciencia de datos. Con una sólida formación académica, Sebastián ha cultivado una profunda experiencia en machine learning y deep learning. 

Desde sus años de formación en la Universidad Técnica Federico Santa María (UTFSM) en Chile, donde obtuvo su título de Ingeniero Civil en Informática y su Magíster en Ciencias de la Ingeniería Informática, Sebastián demostró una habilidad excepcional y un compromiso con la excelencia académica. Su tesis de magíster obtuvo el primer lugar en el XIV concurso Latino Americano de tesis organizado por el Centro Latino Americano de Informática (CLEI). 

Su pasión por la investigación lo llevó a buscar oportunidades de estudio en el extranjero, obteniendo el grado de Ph.D. en Ciencias de la Computación en la Universidad Purdue, Estados Unidos. Durante este tiempo, se destacó por su tesis doctoral que exploró el desafiante campo de las pruebas de hipótesis en datos relacionales. Además de demostrar su capacidad para abordar problemas complejos con rigurosidad científica, los múltiples temas de investigación desarrollados en su tesis fueron publicados en las conferencias de Data Science más importantes del mundo. 

Desde su regreso a Chile, Sebastián ha desempeñado roles de liderazgo en la Universidad Adolfo Ibáñez (UAI), incluyendo el de subdirector de Posgrados Académicos donde lideró la organización de los programas de Doctorado y Magíster Académicos de la Facultad de Ingeniería y Ciencias. Además, fue director del Magíster en Ciencias de la Ingeniería, del Master of Science in Data Science, y de la carrera de Ingeniería Civil en Informática.  

Sebastián también ha sido un miembro activo en el cuerpo docente de la universidad, impartiendo una amplia gama de cursos desde Programación para estudiantes de 1er año hasta Redes Neuronales y Deep Learning en programas de posgrado académico. Además, Sebastián se caracteriza por su gran experiencia formando personas, siendo profesor guía de más de 15 estudiantes entre magíster y doctorado.  

Su trabajo de investigación se refleja en una impresionante lista de publicaciones en revistas y conferencias de renombre internacional. Estas contribuciones han sido reconocidas a nivel mundial, siendo invitado a participar en los comités de programa de las conferencias más importantes del mundo, incluyendo: ICML, WWW, AAAI, ICLR, WSDM, KDD, y CIKM. Además, en 2023 fue condecorado entre los mejores revisores de la Thirty-Seven Annual Conference on Neural Information Processing Systems (NeurIPS), la conferencia más importante de machine learning del mundo. Este premio, junto a su valerosa contribución, permitió que Sebastián fuera Area Chair de NeurIPS en el año 2024.  

Sebastián también ha colaborado estrechamente con la industria, participando en proyectos de consultoría que aplican sus habilidades en Inteligencia Artificial (IA) y análisis de datos para resolver problemas del mundo real. Su capacidad para traducir la investigación en aplicaciones prácticas lo ha convertido en un recurso valioso tanto para la academia como para el sector empresarial.

Automatic Detection of Beggiatoa Microbial Mats in Salmon Farms Videos</>

Martinez, N., Moreno, S., Plaza-Vega, F., Castillo, J. & Carrasco, M., 2026, In: IEEE Access, 14, p. 35356-35371.

Towards scalable and reliable coding of semantic property norms</>

Ramos, D., Moreno, S., Canessa, E. & Chaigneau, S., nov. 2025, In: Behavior Research Methods, 57, 11.

Validity of a One-Stop Automatic Algorithm for Counting Clusters and Shifts in the Semantic Fluency Task</>

Carriedo, N., Canessa, E., Moreno, S., Iglesias-Sarmiento, V., Morales, D. & Chaigneau, S., ago. 2025, In: Collabra: Psychology, 11, 1.

Using Chat-GPT for coding properties in semantic memory studies</>

Ramos, D., Moreno, S., Canessa, E. & Chaigneau, S., 2025.

Speeding up KNN-WH for Origin–Destination Travel Time Estimation</>

Alvarez, S., Moreno, S., Tobar-Arancibia, A. & Yushimito, W., 2025.

Machine Learning Models for Predicting Surgical Case Times in Breast Cancer Procedures</>

Bravo-Parra, J., Acuna, J., Moreno, S. & Villablanca, N., 2025.

Convolutional neural network models with low spatial variability hamper the transfer learning process</>

Bravo-Diaz, A., Moreno, S. & Lopatin, J., 2025, In: Neural Computing and Applications, 37, 19, p. 13927-13942.

WordListsAnalytics</>

Heredia, C., Moreno, S., Canessa, E. & Chaigneau, S., sep. 2024, In: SoftwareX, 27.

Evaluating the ability of convolutional neural networks for transfer learning in Pinus radiata cover predictions</>

Bravo-Diaz, A., Moreno, S. & Lopatin, J., sep. 2024, In: Ecological Informatics, 82.

ODMeans</>

Heredia, C., Moreno, S. & Yushimito, W., may. 2024, In: SoftwareX, 26.

Urban Origin–Destination Travel Time Estimation Using K-Nearest-Neighbor-Based Methods</>

Lagos, F., Moreno, S., Yushimito, W. & Brstilo, T., abr. 2024, In: Mathematics, 12, 8.

The Potential of Battery Electric Taxis in Santiago de Chile</>

Yushimito, W., Moreno, S. & Miranda, D., jun. 2023, In: Sustainability (Switzerland), 15, 11.

Analysis of the Characteristics and Speed of Spread of the “FUNA” on Twitter</>

Moreno, S., Bórquez-Paredes, D. & Martínez, V., abr. 2023, In: Mathematics, 11, 7.

Hate Speech Recognition in Chilean Tweets</>

Tobar-Arancibia, A., Moreno, S. & Lopatin, J., 2023.

AC-PLT</>

Ramos, D., Moreno, S., Canessa, E., Chaigneau, S. & Marchant, N., 2023, In: Behavior Research Methods, 56, 4, p. 3366-3379.

Describing and understanding the time course of the property listing task</>

Canessa, E., Chaigneau, S. & Moreno, S., 2023, In: Cognitive Processing, 25, 1, p. 61-74.

Using agreement probability to study differences in types of concepts and conceptualizers</>

Canessa, E., Chaigneau, S. & Moreno, S., 2022, In: Behavior Research Methods, 56, 1, p. 93-112.

CPNCoverageAnalysis</>

Canessa, E., Chaigneau, S., Moreno, S. & Lagos, R., 2022, In: Behavior Research Methods, 55, 2, p. 554-569.

Analysis of first-year university student dropout through machine learning models</>

Opazo, D., Moreno, S., Álvarez-Miranda, E. & Pereira, J., oct. 2021, In: Mathematics, 9, 20.

Robust h-index</>

Poirrier, M., Moreno, S. & Huerta-Cánepa, G., mar. 2021, In: Scientometrics, 126, 3, p. 1969-1981.

Time series analysis of water use and indirect reuse within a HUC-4 basin (Wabash) over a nine year period</>

Wiener, M., Moreno, S., Jafvert, C. & Nies, L., oct. 2020, In: Science of the Total Environment, 738.

Scalable and exact sampling method for probabilistic generative graph models</>

Moreno, S., Pfeiffer, J. & Neville, J., nov. 2018, In: Data Mining and Knowledge Discovery, 32, 6, p. 1561-1596.

Tied kronecker product graph models to capture variance in network populations</>

Moreno, S., Neville, J. & Kirshner, S., 2018, In: ACM Transactions on Knowledge Discovery from Data, 12, 3.

Sampling of attributed networks from hierarchical generative models</>

Robles, P., Moreno, S. & Neville, J., ago. 2016.

Attributed graph models</>

Pfeiffer, J., Moreno, S., La Fond, T., Neville, J. & Gallagher, B., abr. 2014.

A Scalable Method for Exact Sampling from Kronecker Family Models</>

Moreno, S., Pfeiffer, J., Neville, J. & Kirshner, S., ene. 2014.

Network hypothesis testing using mixed kronecker product graph models</>

Moreno, S. & Neville, J., 2013, In: Proceedings - IEEE International Conference on Data Mining, ICDM, p. 1163-1168.

Tied Kronecker product graph models to capture variance in network populations</>

Moreno, S., Kirshner, S., Neville, J. & Vishwanathan, S., 2010.

A robust and flexible model of hierarchical self-organizing maps for non-stationary environments</>

Salas, R., Moreno, S., Allende, H. & Moraga, C., oct. 2007, In: Neurocomputing, 70, 16-18, p. 2744-2757.

Fusion of self organizing maps</>

Saavedra, C., Salas, R., Moreno, S. & Allende, H., 2007.

Fusion of neural gas</>

Moreno, S., Allende, H., Salas, R. & Saavedra, C., 2007.

Robustness analysis of the neural gas learning algorithm</>

Saavedra, C., Moreno, S., Salas, R. & Allende, H., 2006.

Flexible architecture of self organizing maps for changing environments</>

Salas, R., Allende, H., Moreno, S. & Saavedra, C., 2005.

Robust growing hierarchical self organizing map</>

Moreno, S., Allende, H., Rogel, C. & Salas, R., 2005, In: Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 3512, p. 341-348.

K-dynamical self organizing maps</>

Saavedra, C., Allende, H., Moreno, S. & Salas, R., 2005.

Robust self-organizing maps</>

Allende, H., Moreno, S., Rogel, C. & Salas, R., 2004.

Robust Neural Gas for the analysis of data with outliers</>

Allende, H., Moreno, S., Rogel, C. & Salas, R., 2004.