El profesor García es candidato a PhD en Ingeniería y Ciencias Ambientales, Universidad Nacional Agraria La Molina, Perú. Master of Business Administration, Maastricht School of Management, Países Bajos. Magíster en Administración Estratégica de Empresas, Pontificia Universidad Católica del Perú. Máster en Ciencias de Computación, Instituto Tecnológico de Aeronáutica, Brasil. Ingeniero Químico, Universidad Nacional del Callao, Perú. Ha realizado estudios de Especialización en Transformación Digital, por Massachusetts Institute of Technology, Business Analytics, Wharton School of Management, Data Science por University of California, Berkeley, Big Data and Data Scientist por MITPro, EE.UU.
LEER MÁS
En relación a su experiencia como investigador, participó en el proyecto de PNIA (Agrícola y Pecuaria) “Quinua Smart APP”, y en el proyecto del PNIPA (Pesca y Acuicultura) “Monipez APP” y AquaMype APP”. Todos los proyectos financiados por el Estado Peruano a través del Ministerios de Agricultura y Riego, Ministerio de la Producción y otros organismos internacionales y nacionales, así como empresas privadas.
En relación a su experiencia profesional, es Lead Principal de Tek Consulting LATAM. Se ha desempeñado en diferentes posiciones, como Consultor internacional de la Empresa MINEROS S.A. en Medellín, Colombia; Gerente de Tecnologías de la Información de Minera Chinalco Perú, subsidiaria de Chalco en Beijing, China; Gerente de Sistemas y Comunicaciones de Maple Energy PLC; Director de Tecnologías de la Información de Doe Run Perú SRL; Analista de Procesos de Fluor Daniel Corporation de Chile-Estados Unidos, Petróleos Brasileros – PETROBRAS de Brasil, Petróleos del Perú y Centromin Perú. También cuenta con experiencia docente en distintas universidades del Perú, y como speaker en proyectos de innovación tecnológica en los sectores de petróleo, gas y minería en Brasil, Chile, Colombia y Argentina. Asimismo, ha participado en una misión internacional al HUB tecnológico de Hamburgo para Mercedes Benz, Atlas GmbH, AIRBUS, Bremerhaven Port, y como profesor visitante del Instituto de Fraunhofer de Inteligencia Artificial e Industria 4.0, Dortmund, Alemania.
Actualmente, es docente del Departamento Académico de Posgrado en Negocios de la Pontificia Universidad Católica del Perú.
El profesor García es candidato a PhD en Ingeniería y Ciencias Ambientales, Universidad Nacional Agraria La Molina, Perú. Master of Business Administration, Maastricht School of Management, Países Bajos. Magíster en Administración Estratégica de Empresas, Pontificia Universidad Católica del Perú. Máster en Ciencias de Computación, Instituto Tecnológico de Aeronáutica, Brasil. Ingeniero Químico, Universidad Nacional del Callao, Perú. Ha realizado estudios de Especialización en Transformación Digital, por Massachusetts Institute of Technology, Business Analytics, Wharton School of Management, Data Science por University of California, Berkeley, Big Data and Data Scientist por MITPro, EE.UU.
En relación a su experiencia como investigador, participó en el proyecto de PNIA (Agrícola y Pecuaria) “Quinua Smart APP”, y en el proyecto del PNIPA (Pesca y Acuicultura) “Monipez APP” y AquaMype APP”. Todos los proyectos financiados por el Estado Peruano a través del Ministerios de Agricultura y Riego, Ministerio de la Producción y otros organismos internacionales y nacionales, así como empresas privadas.
En relación a su experiencia profesional, es Lead Principal de Tek Consulting LATAM. Se ha desempeñado en diferentes posiciones, como Consultor internacional de la Empresa MINEROS S.A. en Medellín, Colombia; Gerente de Tecnologías de la Información de Minera Chinalco Perú, subsidiaria de Chalco en Beijing, China; Gerente de Sistemas y Comunicaciones de Maple Energy PLC; Director de Tecnologías de la Información de Doe Run Perú SRL; Analista de Procesos de Fluor Daniel Corporation de Chile-Estados Unidos, Petróleos Brasileros – PETROBRAS de Brasil, Petróleos del Perú y Centromin Perú. También cuenta con experiencia docente en distintas universidades del Perú, y como speaker en proyectos de innovación tecnológica en los sectores de petróleo, gas y minería en Brasil, Chile, Colombia y Argentina. Asimismo, ha participado en una misión internacional al HUB tecnológico de Hamburgo para Mercedes Benz, Atlas GmbH, AIRBUS, Bremerhaven Port, y como profesor visitante del Instituto de Fraunhofer de Inteligencia Artificial e Industria 4.0, Dortmund, Alemania.
Actualmente, es docente del Departamento Académico de Posgrado en Negocios de la Pontificia Universidad Católica del Perú.
Este estudio aborda los retos que plantea la medición de la competitividad regional mediante métodos tradicionales, debido a la complejidad inherente y a la no linealidad de sus determinantes. El desarrollo de nuevos modelos de Machine Learning (ML) permite la creación de modelos predictivos capaces de manejar este tipo de datos, proporcionando perspectivas procesables. El objetivo del estudio fue desarrollar y probar el uso de modelos no lineales de Machine Learning para medir la competitividad regional en Perú, a nivel subnacional. La investigación utiliza el protocolo ODD (Overview, Design Concepts, and Details) para asegurar una metodología transparente y replicable. Se examina el impacto del LD en el Índice de Competitividad Regional del Perú (IRCI) en 25 regiones desde 2016 hasta 2023, centrándose en cinco pilares clave: economía, gobierno, infraestructura, empresas y personas. Se desarrolló un índice de adecuación (IoI) para evaluar en qué medida los componentes de los pilares se alinean con el LD. Los datos proporcionados por CENTRUM PUCP se sometieron a un análisis exploratorio de datos (AED) para abordar la variabilidad entre las puntuaciones de los pilares y sus efectos sobre la competitividad. Se aplicaron seis modelos de aprendizaje automático no lineal (Gradient Boosting, Random Forest, XGBoost, AdaBoost, Redes Neuronales y Árboles de Decisión), y los modelos de aprendizaje automático con mayor precisión predictiva fueron Gradient Boosting y Random Forest. Las métricas de rendimiento incluyen valores de MSE de 1,1399 y 1,3469, valores de RMSE de 1,0677 y 1,1606, y valores de R2 de 0,9768 y 0,9729, respectivamente. Estos resultados demuestran la eficacia del aprendizaje automático para analizar la complejidad de los datos de competitividad regional, identificar las variables influyentes y reducir las distorsiones de la puntuación. Los resultados proporcionan un marco basado en datos para que los responsables políticos mejoren la competitividad regional, lo que promueve el conocimiento académico y las aplicaciones prácticas para el desarrollo sostenible.
El profesor Yván Jesús García López centra sus investigaciones en la analítica de datos aplicada a la competitividad regional, la gestión de la cadena de suministro y la sostenibilidad. Sus estudios buscan desarrollar modelos predictivos basados en aprendizaje automático y deep learning para mejorar la toma de decisiones en sectores como la logística, la producción y la planificación ambiental. Entre sus investigaciones destacadas se encuentra “Assessing Regional Competitiveness in Peru: An Approach Using Nonlinear Machine Learning Models”, publicado en PLOS ONE, donde emplea modelos no lineales de aprendizaje automático para evaluar la competitividad regional en el país. Asimismo, ha desarrollado modelos de proyección climática y de optimización en la gestión de inventarios para el sector pesquero.
Metodológicamente, el profesor García López emplea enfoques cuantitativos avanzados, combinando big data, redes neuronales y técnicas de machine learning para analizar grandes volúmenes de información y generar pronósticos precisos. Sus estudios abordan problemáticas como la falta de herramientas eficientes para medir la competitividad regional, la optimización de la cadena de suministro y la mitigación del impacto ambiental en sectores productivos. Su enfoque interdisciplinario le permite integrar datos climáticos, económicos y operacionales para mejorar la toma de decisiones en entornos dinámicos.
Los hallazgos del profesor García han demostrado que el uso de modelos de inteligencia artificial en la planificación estratégica puede aumentar la eficiencia en la asignación de recursos y reducir costos operativos. Sus investigaciones han sido publicadas en revistas indexadas como PLOS ONE y han sido presentadas en conferencias internacionales sobre innovación y gestión de operaciones. Como aportes, propone la implementación de herramientas de analítica avanzada en la formulación de políticas públicas y en la optimización de procesos industriales.
Palabras clave: Aprendizaje automático, analítica de datos, competitividad regional, sostenibilidad y gestión de la cadena de suministro.