Team

Josep Escrig

Trustworthy AI Line Manager - Distributed Artificial Intelligence Research Group

Contact josep.escrig@i2cat.net
El Dr. Josep Escrig és el Research Line Manager de Trustworthy AI dins del grup de recerca d'Intel·ligència Artificial Distribuïda (DAI) a la Fundació I2CAT.

És doctor en Mecànica de Fluids (University of Nottingham) i posseeix màster en Enginyeria Mecànica (INSA de Tolosa), grau en Enginyeria Industrial, i master Sostenibilitat i Eficiència Energètica (Universitat Jaume I).

Josep és el fundador del DAI, que va liderar durant sis anys. Reconegut i finançat per la Generalitat de Catalunya, el grup està format per 24 investigadors. Sota la seva direcció, el grup DAI ha participat en més de 20 projectes europeus i en més de 30 projectes amb empreses públiques i privades.

La seva experiència professional inclou l'enginyeria avançada i la ciència de dades. Ha treballat com a Enginyer de Dades va ocupar un lloc postdoctoral centrat en la IA per a sensors intel·ligents (University of Nottingham). La seva producció acadèmica inclou un índex h de 10 amb més de 20 publicacions sobre IA.

Publications

Considerations, challenges and opportunities when developing data-driven models for process manufacturing systems

Oliver J Fisher, Nicholas J Watson, Josep E Escrig, Rob Witt, Laura Porcu, Darren Bacon, Martin Rigley, Rachel L Gomes, "Considerations, challenges and opportunities when developing data-driven models for process manufacturing systems", Computers & Chemical Engineering, Volume 140, 2020. https://www.sciencedirect.com/science/article/abs/pii/S0098135419308373

Ultrasonic Measurements and Machine Learning for Monitoring the Removal of Surface Fouling during Clean-in-Place Processes

J. Escrig, E. Woolley, A. Simeone, N.J. Watson, "Monitoring the cleaning of food fouling in pipes using ultrasonic measurements and machine learning", Food Control, Volume 116, 2020,

Monitoring the cleaning of food fouling in pipes using ultrasonic measurements and machine learning

Escrig, J., Woolley, E., Simeone, A., & Watson, N. J. (2020). Monitoring the cleaning of food fouling in pipes using ultrasonic measurements and machine learning. Food Control, 107309. https://doi.org/10.1016/j.foodcont.2020.107309