Burzaco, 4 de diciembre de 2025.-  Con el foco puesto en el futuro, la tecnología y el análisis de la información, se llevó a cabo la quinta edición de ExpoData en el Aula Magna del campus de la Universidad Nacional Guillermo Brown (UNaB) con un evento, realizado el jueves 4 de diciembre que permitió a la comunidad conocer de primera mano los trabajos finales de los estudiantes de Ciencia de Datos.

Durante la jornada, tres estudiantes expusieron desarrollos que utilizan Inteligencia Artificial, Machine Learning y algoritmos complejos para resolver problemáticas reales, demostrando cómo se proyectan nuevas formas de interpretar y transformar la información desde la universidad pública.

Tres enfoques para transformar la realidad

El ciclo de exposiciones comenzó con la presentación de Mateo Simonassi, titulada Detección de patologías a través de ML/DL. Simonassi compartió su investigación sobre cómo las máquinas pueden “escuchar” para diagnosticar. En su exposición, detalló el estudio de diversos modelos de predicción capaces de procesar y clasificar audio, planteando estas tecnologías como herramientas útiles para la detección temprana de enfermedades y asistencia en la toma de decisiones del personal de la salud.

“Motivado por un familiar suyo que trabaja en el hospital Juan Garrahan, Mateo comparó tres modelos diferentes de machine learning cuyo objetivo es asistir a la toma de decisiones del personal de la salud. Analizando más de mil datos de audio, pudo establecer un algoritmo con trabaja con una precisión superior al 90 por ciento en la clasificación de enfermedades como el asma, neumonía, entre otras“, explicó el coordinador de la carrera Juan Domingo González

A continuación, fue el turno de Sebastián Vidaurri, quien presentó Satélites + Deep Learning para todos. Bajo la premisa de ¿cómo ve una IA la ciudad?, Vidaurri explicó cómo entrenó modelos de Deep Learning para procesar imágenes satelitales. Su trabajo demostró cómo es posible detectar patrones urbanos que el ojo humano suele pasar por alto, facilitando el mapeo automático de asentamientos informales utilizando recursos accesibles, como una computadora hogareña.

En ese sentido, González  explicó: “Haciendo uso de un trabajo previo, y aprovechando las ventajas de datos abiertos satelitales de distintos organismos internacionales como el Copernicus,  Sebastián fue capaz de elaborar adquisiciones automáticas, y entrenar un modelo para detección de asentamientos informales,  obteniendo un algoritmo clasificador del área del Deep Learning, capaz de procesar automáticamente y en una computadora ordinaria, imágenes satelitales de miles de kilómetros de superficie.“

El cierre del encuentro estuvo a cargo de Julián Baracat con su trabajo sobre Algoritmos de recomendación de libros. Baracat abordó el problema de la sobrecarga de información en el sector editorial y presentó un algoritmo de recomendación híbrido. Según explicó ante los asistentes, su desarrollo cruza preferencias de lectura con datos demográficos no sólo para mejorar la precisión de las sugerencias, sino para asegurar la diversidad y fomentar el descubrimiento de nuevos títulos más allá de los más populares.

“Cada vez que enfrentamos una aplicación de redes sociales o  de series y películas, existen algoritmos que deciden el contenido al que seremos expuestos,  dado el gran número de opciones, es inevitable la existencia de estos algoritmos,  pero su output no es neutro, están programados para maximizar ciertas métricas como el tiempo del usuario en la aplicación ,  ganancias, etc. Julián realizó una indagación técnica para el caso reducido de datos de una editorial, mostrando cómo se pueden utilizar métricas que favorecen el descubrimiento de nuevos ítems, la diversidad de oferta y  la exposición de contenidos no tan populares“, precisó González.

Esta nueva edición de ExpoData reafirmó el compromiso de la UNaB con la formación de profesionales capaces de marcar tendencia y adelantar el futuro a través de la ciencia de datos.