Profesores e Investigadores

Departamentos

Curriculum Vitae

Andrei Buciulea Vlas
Profesor/a Ayudante Doctor/a
1
Quinquenios
2025
1
Docentia
2023-24

Centro

E. Ingeniería de Fuenlabrada

Departamento

Teoría de la Señal y Comunicaciones y Sistemas Telemáticos y Computación

Área

Teoría de la Señal y Comunicaciones

Grupo de investigación

Grupo de investigación de alto rendimiento en ciencia de datos y procesamiento de señal y su aplicación a las redes y la sociedad de la URJC / Data Science and Signal Processing for Networks and Society group of URJC

Contacto

andrei.buciulea@urjc.es
Presentación

  • [Spanish] Andrei Buciulea recibió el Grado y el Máster en Ingeniería de Telecomunicaciones por la Universidad Rey Juan Carlos en 2017 y 2020, respectivamente. En 2024 obtuvo el título de doctor en Multimedia y Comunicaciones por la Universidad Rey Juan Carlos y la Universidad Carlos III de Madrid, con la calificación de sobresaliente cum laude y mención internacional. En 2019 se incorporó al Departamento de Teoría de la Señal y Comunicaciones de la Universidad Rey Juan Carlos tras obtener un contrato competitivo como Ayudante de Investigación. Posteriormente, en 2020, obtuvo un contrato predoctoral en la misma universidad, donde desarrolló labores de investigación y docencia durante su doctorado. Actualmente, es profesor en la Universidad Rey Juan Carlos, miembro de un grupo de investigación y participante en diversos proyectos competitivos.

    Sus intereses de investigación se centran en el procesamiento de señales sobre grafos, la ciencia de datos, el aprendizaje automático en grafos y el análisis de redes, con aplicaciones en ámbitos como la política, la bioingeniería y las finanzas. Su trabajo se enfoca en el desarrollo de modelos y algoritmos basados en datos que operan sobre estructuras de grafos, fundamentales en múltiples sistemas complejos como redes de comunicaciones, transporte o sistemas inteligentes. En los últimos años, ha publicado diversos artículos en revistas y conferencias internacionales de prestigio, centrados en el diseño de métodos robustos para la inferencia de topologías de grafos, considerando la presencia de nodos ocultos o latentes y extendiendo modelos clásicos. Actualmente, continúa esta línea de investigación desarrollando metodologías que extienden los enfoques clásicos de inferencia de redes hacia modelos de orden superior, incluyendo complejos simpliciales e hipergrafos. Además, ha contribuido a la comunidad científica mediante la publicación de código asociado a sus trabajos, la revisión de artículos para conferencias y revistas de la IEEE Signal Processing Society, y su implicación en actividades académicas, destacando su labor como presidente de la rama estudiantil de IEEE en la Universidad Rey Juan Carlos y su participación en la organización de diversas conferencias.  

    [English] Andrei Buciulea received the B.Sc. and M.Sc. degrees in Telecommunications Engineering from Universidad Rey Juan Carlos in 2017 and 2020, respectively. In 2024, he obtained the Ph.D. degree in Multimedia and Communications from Universidad Rey Juan Carlos and Universidad Carlos III de Madrid, graduating with highest honors (summa cum laude) and receiving the International Doctorate distinction. In 2019, he joined the Department of Signal Theory and Communications at Universidad Rey Juan Carlos after being awarded a competitive Research Assistant position. Subsequently, in 2020, he obtained a predoctoral research contract at the same university, where he carried out both research and teaching activities during his doctoral studies. He is currently a lecturer at Universidad Rey Juan Carlos, a member of a research group, and a participant in several competitive research projects.

    His research interests focus on graph signal processing, data science, graph machine learning, and network analysis, with applications in areas such as politics, bioengineering, and finance. His work is centered on the development of data-driven models and algorithms operating on graph structures, which are fundamental in many complex systems such as communication networks, transportation systems, and intelligent systems. In recent years, he has published several articles in prestigious international journals and conferences, mainly focused on the design of robust methods for graph topology inference in the presence of hidden or latent nodes, as well as on extending classical models. He is currently continuing this line of research by developing methodologies that extend classical network inference approaches toward higher-order models, including simplicial complexes and hypergraphs.In addition, he has contributed to the scientific community through the publication of code associated with his research works, the review of papers for IEEE Signal Processing Society conferences and journals, and his involvement in academic activities, notably serving as Chair of the IEEE Student Branch at Universidad Rey Juan Carlos and participating in the organization of several conferences.

Docencia impartida en el curso actual
Trabajos de fin de estudios
Filtrar trabajos fin de estudios tutorizados o dirigidos
Tipo de trabajo
Relación
Histórico docente (últimos 10 cursos)
Listado de proyectos (Últimos 10 años)
Códigos de investigador
Métricas de impacto por agencia
Agencia Nº documentos Nº citas Índice H Q1 D1 IFNB IFNESI
Logo de la agencia 'Web of Science' Web of Science 8 58 5 2 - 1,38 1,31
Logo de la agencia 'Scopus' Scopus 13 66 5 4 3 0,95 -
Publicaciones
Filtrar publicaciones y actividad investigadora
Mejor cuartil
Méritos
Volver al Departamento

2026 © Universidad Rey Juan Carlos