FINALIZÓ CON ÉXITO EL CURSO DE POSGRADO: INTELIGENCIA ARTIFICIAL APLICADA A PROBLEMAS DE INGENIERÍA
Autor: Lic. Claudia Bazán - Publicado: 29 de Abril de 2025
Ha finalizado con éxito el curso de posgrado de nivel Doctorado “Inteligencia Artificial - Técnicas de Aprendizaje Automático aplicado a problemas de Ingeniería”, correspondiente a la actividad DING49_2024.
La propuesta dirigida por el Dr. David De Yong y el Dr. Fernando Magnago, contó con la participación de aproximadamente 35 inscriptos provenientes de diversas Universidades, Facultades y áreas del conocimiento. Fueron parte de la formación, profesionales de Ingeniería Química, Mecánica, Telecomunicaciones, Eléctrica, Ciencias Agronómicas, Biología, entre otras disciplinas, lo que enriqueció significativamente los intercambios académicos y las dinámicas de aprendizaje.
La actividad se desarrolló a lo largo de ocho clases presenciales mediadas por videoconferencia y cuatro laboratorios de implementación, dictados durante el segundo semestre de 2024. Además, se realizaron dos rondas de exposiciones de trabajos finales en marzo y abril de 2025, cumpliendo con los objetivos establecidos en el programa.
Según destacaron los Dres. De Yong y Magnago, el curso abordó un conjunto de contenidos diseñados para proporcionar una formación avanzada en el uso de técnicas de Machine Learning aplicadas a problemas interdisciplinarios, con un enfoque principal en las Ciencias de la Ingeniería. Los temas tratados incluyeron fundamentos teóricos y prácticos del modelado de sistemas complejos, análisis de series temporales, técnicas avanzadas de preprocesamiento y análisis de datos, métodos de optimización de modelos —incluyendo la sintonía de hiperparámetros—, e implementación de tecnologías emergentes como redes neuronales y algoritmos de aprendizaje en contextos prácticos diversos.
Los trabajos finales presentados por los doctorandos reflejaron la profundidad y el alcance de los contenidos abordados. Entre las temáticas tratadas se destacaron: predicción de demanda eléctrica mediante redes neuronales LSTM y XGBoost; detección de fallas en motores de inducción y sistemas fotovoltaicos utilizando Random Forest, Support Vector Machines y Perceptrones Multicapa; y síntesis de señales en máquinas eléctricas rotativas a través de Redes Generativas Antagónicas (GAN). También se exploraron aplicaciones en redes ópticas utilizando Graph Neural Networks, predicción de solicitudes HTTP para autoescalado en Kubernetes, y gestión energética en microrredes eléctricas integrando Control Predictivo basado en Modelo con técnicas de Machine Learning.
Los directores del curso subrayaron que los trabajos desarrollados no sólo respondieron a los objetivos académicos planteados, sino que fueron realizados con un nivel de profundidad y calidad que permitirá a los participantes proponer sus investigaciones para publicación en revistas científicas o congresos especializados, en áreas estratégicas como Inteligencia Artificial y Aprendizaje Automático.
Finalmente, los Dres. De Yong y Magnago expresaron su agradecimiento a la Facultad por el apoyo institucional brindado, así como a todos los participantes, docentes y colaboradores, por su compromiso y dedicación, que hicieron posible el éxito de esta propuesta formativa.
