Título: Modelo numérico de resolución a gran escala para sistemas lineales mixtos mediante multiplicadores alternados: Aplicaciones al análisis anatomofuncional del cerebro humano.
Directores: Demian Wassermann y Guillermo Gallardo Diez.
Jurado: Esteban Mocskos y Enzo Tagliazucchi.

Resumen:
El manejo simultáneo de efectos a nivel poblacional y de sujeto es una necesidad común en la neurociencia moderna. No obstante, los modelos estadísticos utilizados comúnmente, como el modelo de efectos aleatorios, no escalan bien con grandes volúmenes de datos. Esto presenta un problema en la actualidad donde no solo ha incrementado el tamaño de las poblaciones estudiadas sino también la cantidad de datos por sujeto. En este trabajo abordamos esta problemática mediante la resolución de un modelo de efectos aleatorios utilizando métodos proximales. Nuestra implementación nos permite reducir drásticamente los requisitos de memoria, abrir las puertas a la computación en paralelo e incluir sin problema estrategias de regularización. Ilustramos todas estas ventajas en uno de los problemas mas importantes de la neurociencia: el estudio de la relación entre estructura y función en el cerebro humano.