• Optimización (Optimization).
• Inteligencia Computacional (Computational Intelligence).
• Metaheurísticas Bioinspiradas (Bioinspired Metaheuristics).
• Cómputo Evolutivo (Evolutionary Computing).
• Aprendizaje Automático Evolutivo (Evolutionary Machine Learning).

• Optimización Combinatoria.
• Diseños Experimentales.
• Inteligencia Artificial.
• Bases de Datos.

• Análisis de datos: Realizamos análisis exploratorio y predictivo sobre datos médicos, específicamente diversos tipos de cáncer y damos demográficos. Asimismo, realizamos análisis predictivo sobre infraestructuras de cómputo de alto desempeño.
• Análisis de texto: Desarrollamos algoritmos para extracción y modelado de texto para generar modelos de lenguaje de dominio específico.
• Web Semántica: Diseñamos algoritmos para generación e ingesta de grafos de conocimiento (Knowledge Graphs) en dominios específicos.
• Cloud Computing: Realizamos análisis de datos empleando diversos modelos de infraestructuras de cloud computing. Asimismo, analizamos datos de la misma infraestructura que se emplea para apoyar a la toma de decisiones en DevOps.

• Aprendizaje Automático y Profundo (Machine Learning y Deep Learning).
• Procesamiento de Lenguaje Natural (NLP).
• Optimización y Análisis de Redes Complejas.
• Métodos Cuantitativos y Modelado Estadístico Avanzado.
• Aprendizaje Multimodal para Aplicaciones Biomédicas.

Los trabajos de investigación del Dr. Rodríguez Tello se centran en la solución eficiente de problemas de optimización combinatoria mediante el diseño e implementación de algoritmos avanzados. Dichos algoritmos emplean conceptos avanzados como la evolución, el aprendizaje automático y la autoadaptación para lograr alcanzar soluciones robustas y de buena calidad. En particular ha logrado desarrollar algoritmos (exactos y aproximados) para resolver eficazmente problemas de NP-difíciles provenientes de las siguientes áreas de aplicación:

• Teoría de grafos: minimización del ancho de banda, minimización del ancho de banda cíclico, arreglo lineal mínimo, etc.
• Bioinformática: predicción de la estructura 3D de proteínas, inferencia de modelos de redes reguladoras de genes, reconstrucción filogenética mediante máxima parsimonia, etc.