Escuela Internacional en

Inteligencia Artificial

Fecha de realizaciĆ³n: 09 al 13 de Febrero de 2026 – Modalidad: Presencial.

Fecha de inscripciĆ³n: 20 de Octubre al 14 de Noviembre de 2025

Fecha de confirmaciĆ³n de admisiĆ³n: 10 de Diciembre de 2025

Inscribite acĆ”

Escuela Internacional en

Inteligencia Artificial

Fecha de realizaciĆ³n: 09 al 13 de Febrero de 2026 – Modalidad: Presencial.

Fecha de inscripciĆ³n: 20 de Octubre al 14 de Noviembre de 2025

Fecha de confirmaciĆ³n de admisiĆ³n: 10 de Diciembre de 2025

Inscribite acĆ”

Contacto : eivia@unahur.edu.ar

EdiciĆ³n anterior

ĀæQuĆ© es la Escuela Internacional de Verano en Inteligencia Artificial?

Esta propuesta se sustenta en dos cuestiones de la agenda regional e internacional, la primera de ellas es el creciente y necesario debate pĆŗblico sobre la Ɖtica y el Impacto Social de la Inteligencia Artificial tal como ha sido planteado en el Ćŗltimo Foro de Altas Autoridades en Inteligencia Artificial (IA) en AmĆ©rica Latina y el Caribe, convocado por la CorporaciĆ³n Andina de Fomento (CAF), el Gobierno de Chile y la UNESCO, que culminĆ³ con la firma de la Ā«DeclaraciĆ³n de SantiagoĀ». En ella se define como objetivo principal establecer un liderazgo regional para la gobernanza de la IA, creando una voz comĆŗn en la regiĆ³n. AdemĆ”s, la declaraciĆ³n enfatiza la importancia de anticiparse a los desarrollos tecnolĆ³gicos futuros y regular los derechos emergentes en un contexto global.

La segunda estĆ” vinculada a conocer y anticiparse a los desafĆ­os del campo de la Inteligencia artificial y la ciencia de datos. Estas disciplinas tienen la capacidad para transformar grandes volĆŗmenes de datos en informaciĆ³n valiosa y accionable, lo que permite a organizaciones de naturaleza muy diversa tomar decisiones informadas y basadas en evidencia. Para ello, es necesario contar con tĆ©cnicas que permitan el descubrimiento y anĆ”lisis de patrones y tendencias. Es por eso, que organizaciones de todo tipo tienen un interĆ©s cada vez mayor en incorporar profesionales con conocimientos en estos temas, lo que se ve reflejado en el creciente nĆŗmero de formaciones de grado y de posgrado, en universidades e institutos de todo el mundo.

Objetivos

  • Presentar los fundamentos y avances en Inteligencia Artificial (IA) y Aprendizaje AutomĆ”tico (AA), incluyendo desarrollos en el Ć”rea de procesamiento de lenguaje natural, anĆ”lisis de imĆ”genes, ciencias de la salud, entre otras.
  • Abordar problemas complejos y de vanguardia mediante la aplicaciĆ³n de tĆ©cnicas avanzadas de IA/AA, utilizando datos reales y escenarios regionales y globales, junto a reconocidos expertos de diversos Ć”mbitos.
  • Profundizar en la gobernanza y las consideraciones Ć©ticas en el desarrollo y despliegue de tecnologĆ­as de IA, con un enfoque en la creaciĆ³n de marcos que promuevan el uso responsable y equitativo de la IA a nivel global.
  • Fomentar la colaboraciĆ³n internacional y la creaciĆ³n de redes entre expertos en IA/AA, facilitando intercambios de conocimientos y experiencias entre actores del sector acadĆ©mico, industrial y gubernamental.

Instituto de TecnologĆ­a e IngenierĆ­a

Consideraciones de participaciĆ³n

  • La escuela estĆ” dirigida a estudiantes avanzados de carreras afines a la temĆ”tica, docentes e investigadores/as en IA y profesionales del Ć”rea. En funciĆ³n de las solicitudes recibidas se realizarĆ” un proceso de admisiĆ³n, dado que laĀ  escuela tiene un cupo limitado de asistentes.
  • Para los/as inscriptos/as que requieran ayuda econĆ³mica para su asistencia a la escuela, se prevĆ© la posibilidad de becas completas o parciales que contemplen gastos de traslado y estadĆ­a. En el formulario de inscripciĆ³n se encuentra un apartado para solicitar dicha ayuda, la cual serĆ” sometida a consideraciĆ³n.
  • Complementariamente a los cursos especĆ­ficos destinados a quienes son admitidos a la escuela, se ofrecerĆ”n actividades abiertas a la comunidad en general, que formarĆ”n parte del programa ampliado.
Inscribite acĆ”

Requisitos

Conocimientos

Los/las aspirantes a asistir a la escuela deben tener conocimientos bĆ”sicos de Ć”lgebra lineal, anĆ”lisis matemĆ”tico, probabilidad y estadĆ­stica, programaciĆ³n y aprendizaje automĆ”tico.

  • Conocimientos bĆ”sicos de Ć”lgebra lineal:Ā  notaciĆ³n matricial, operaciones bĆ”sicas entre matrices y vectores, producto escalar y vectorial.
  • Conocimientos bĆ”sicos de programaciĆ³n: poder leer y entender un programa escrito en Python (o similar).
  • Conocimientos bĆ”sicos de anĆ”lisis matemĆ”tico: AnĆ”lisis de funciĆ³n, derivadas, integrales y derivadas en varias variables.
  • Conocimientos bĆ”sicos de aprendizaje automĆ”tico: concepto de perceptron, actualizaciĆ³n de pesos sinĆ”pticos en redes neuronales artificiales, aprendizaje supervisado y no supervisado.
  • Conocimientos bĆ”sicos en Probabilidad y estadĆ­stica: cĆ”lculo de probabilidades, funciĆ³n de densidad de probabilidad, funciĆ³n de distribuciĆ³n.

Carta institucional

Los/las aspirantes deben presentar una carta de la instituciĆ³n o lugar de trabajo al que pertenecen solicitando la inscripciĆ³n a la escuela. La carta debe estar firmada por un jefe, profesor o una autoridad inmediata de la instituciĆ³n a la que asiste.Ā 

Modelo de Carta institucional

CurrĆ­culum Vitae

Los aspirantes deben presentar Curriculum Vitae resumido (mƔximo dos pƔginas).

Asistencia

Los aspirantes deben comprometerse a asistir todos los dĆ­as a la escuela, a todos los cursos, talleres y charlas.

Certificaciones

Certificado de asistencia

La escuela emitirĆ” certificado de asistencia.

Certificado de aprobaciĆ³n

  • La escuela emitirĆ” certificado de aprobaciĆ³n.
  • Las condiciones de aprobaciĆ³n de cada curso serĆ”n comunicadas al inicio del mismo por el/la profesor/a a cargo.
ļƒ€

Cursos

Procesamiento de Lenguaje Natural: introducciĆ³n, mĆ©todos, aplicaciones

Conceptos bĆ”sicos del Procesamiento de Lenguaje Natural (PLN). Modelos estadĆ­sticos para PLN. Representaciones vectoriales de palabras (word embeddings).Ā  Modelos de lenguaje: conceptos bĆ”sicos, modelos basados en Transformers, grandes modelos de lenguaje (LLM). Usos de los modelos de lenguaje basados en transformers: entrenamiento, fine tuning, prompting y context learning, retrieval-augmented generation (RAG).

Aprendizaje profundo para reconocimiento visual y modelado generativo

Este curso provee una visiĆ³n general de los mĆ©todos de aprendizaje profundo aplicados a visiĆ³n por computadora. Abarca los conceptos fundamentales de redes neuronales artificiales y optimizaciĆ³n, las principales arquitecturas convolucionales para el anĆ”lisis de imĆ”genes y la extensiĆ³n de estos modelos a la detecciĆ³n y segmentaciĆ³n de objetos.

Leer mƔs

El curso tambiĆ©n presenta los avances recientes en modelos generativos, incluyendo modelos de difusiĆ³n y Vision Transformers, mostrando las tendencias actuales y las lĆ­neas de investigaciĆ³n en la comprensiĆ³n visual.

ClĆ­nica de Equidad para modelos predictivos

Esta ClĆ­nica tiene como objetivo ofrecer una formaciĆ³n prĆ”ctica acerca del anĆ”lisis de equidad en sistemas de aprendizaje automĆ”tico, utilizando conjuntos de datos reales y descriptores demogrĆ”ficos. Abordaremos cĆ³mo estos sistemas pueden reproducir y amplificar sesgos existentes. Definiremos la equidad algorĆ­tmica, explorando sus mĆŗltiples dimensiones y las implicaciones de diferentes mĆ©tricas segĆŗn el contexto de aplicaciĆ³n.

Leer mƔs

Esta clƭnica combina teorƭa y prƔctica: una primera parte expositiva que introducirƔ los conceptos fundamentales, seguida de ejercicios prƔcticos donde los participantes analizarƔn casos reales, identificando sesgos y evaluando su impacto.

Al finalizar, habremos desarrollado competencias para examinar crĆ­ticamente modelos predictivos y comprender las tensiones entre distintas definiciones de equidad, contribuyendo asĆ­ a la construcciĆ³n de tecnologĆ­as mĆ”s justas e inclusivas.

ļ“æ

Charlas

Inteligencia Artificial para la detecciĆ³n y caracterizaciĆ³n de planetas y la bĆŗsqueda de vida fuera del Sistema Solar

Durante las Ćŗltimas tres dĆ©cadas, el descubrimiento de exoplanetas ha pasado de ser un evento excepcional a constituir una disciplina de precisiĆ³n. En este contexto, la inteligencia artificial (IA) se ha convertido en una herramienta clave para afrontar los desafĆ­os que surgen cuando la mejora incesante en la precisiĆ³n de las observaciones se encuentra con lĆ­mites astrofĆ­sicos impuestos por la variabilidad intrĆ­nseca de las estrellas.

Leer mƔs

En esta charla presentarĆ© una serie de desarrollos recientes en los que aplicamos tĆ©cnicas de aprendizaje automĆ”tico y modelado estadĆ­stico a la detecciĆ³n y caracterizaciĆ³n de planetas fuera del Sistema Solar. En particular, discutirĆ© el uso de redes neuronales artificiales y mĆ©todos supervisados para el reconocimiento de seƱales planetarias en datos de velocidad radial (como en ExoplANNET), asĆ­ como el empleo de modelos de ensamble para optimizar el desempeƱo instrumental de dos de las herramientas mĆ”s avanzadas del campo. Finalmente, abordarĆ© cĆ³mo la caracterizaciĆ³n detallada de atmĆ³sferas planetarias con el telescopio espacial James Webb tambiĆ©n enfrenta limitaciones impuestas por la variabilidad estelar, y argumentarĆ© que un uso adecuado de tĆ©cnicas de aprendizaje automĆ”tico podrĆ­a permitir superar este obstĆ”culo.

Trayectorias como textos. Analizando historias laborales y cambios en el uso del suelo con tƩcnicas de Procesamiento de lenguaje natural

ļ”œ

Disertantes

Dra. Aiala RosĆ”

Universidad de la RepĆŗblica, Uruguay

Profesora Agregada full-time del Instituto de ComputaciĆ³n (Facultad de IngenierĆ­a, Universidad de la RepĆŗblica, Udelar).

Responsable del grupo de investigaciĆ³n Procesamiento de Lenguaje Natural desde el aƱo 2020.

Principales Ć”reas de investigaciĆ³n: anĆ”lisis de subjetividad en redes sociales y prensa, PLN aplicado a la enseƱanza de lenguas, Question & Answering, extracciĆ³n de informaciĆ³n, generaciĆ³n de recursos para el procesamiento del espaƱol.

Docencia en diferentes cursos regulares vinculados al Ć”rea: IntroducciĆ³n al Procesamiento de Lenguaje Natural (grado y posgrado acadĆ©mico), GramĆ”ticas Formales para el Lenguaje Natural (grado y posgrado acadĆ©mico), AnĆ”lisis de Textos (posgrado profesional). Otros cursos: IntroducciĆ³n a las Redes Neuronales para el AnĆ”lisis de Textos (Escuela Iberoamericana de Inteligencia Artificial, septiembre 2024), Redes Neuronales para AnĆ”lisis y GeneraciĆ³n de Textos (CLEI - ELI, octubre 2025).

Coordinadora de la EspecializaciĆ³n y la MaestrĆ­a en Ciencia de Datos Aplicada desde

Dra. VerĆ³nica Vilaplana

Universitat PolitĆØcnica de Catalunya, EspaƱa

Doctora por la Universitat PolitĆØcnica de Catalunya (UPC, EspaƱa) y Licenciada en MatemĆ”tica y en Ciencias de la ComputaciĆ³n por la Universidad de Buenos Aires (Argentina). Es profesora e investigadora en la UPC, donde trabaja en aprendizaje profundo y visiĆ³n por computador, con especial interĆ©s en sus aplicaciones al anĆ”lisis y la generaciĆ³n de imĆ”genes mĆ©dicas. Su actividad combina la investigaciĆ³n en inteligencia artificial con la docencia en grado y posgrado, y la participaciĆ³n en proyectos nacionales e internacionales en el Ć”mbito de imĆ”genes biomĆ©dicas.

Dra. Mariela Rajngewerc

Universidad Nacional de San MartĆ­n, Argentina

Lic. en Cs. MatemĆ”ticas (UBA) y Dra. en Cs. Aplicadas y de la IngenierĆ­a (UNSAM). Es investigadora postdoctoral en CONICET en temas de detecciĆ³n de sesgos y evaluaciĆ³n de equidad en modelos de aprendizaje automĆ”tico y profesora de la materia Equidad en Aprendizaje AutomĆ”tico en la Lic. en Cs. de Datos de UNSAM.

Dra. Laura Alonso Alemany

Universidad Nacional de CĆ³rdoba, Argentina

Doctora en LingĆ¼Ć­stica Computacional por la Universidad de Barcelona, profesora de Ciencias de la ComputaciĆ³n en la Facultad de MatemĆ”tica, AstronomĆ­a, FĆ­sica y ComputaciĆ³n de la Universidad Nacional de CĆ³rdoba. Es especialista en Procesamiento del Lenguaje Natural y Ɖtica de la Inteligencia Artificial.

Dr. Rodrigo DĆ­az

Instituto TecnolĆ³gico de Buenos Aires, Argentina

Doctor en FĆ­sica e Investigador del CONICET. Actualmente lidera el Departamento de Sistemas Digitales y Datos del Instituto TecnolĆ³gico de Buenos Aires (ITBA) y es profesor en la Universidad Nacional de San MartĆ­n, donde fue uno de los arquitectos principales y director de la Licenciatura en Ciencia de Datos hasta marzo de 2025.

Su investigaciĆ³n se centra en la astrofĆ­sica, con especial Ć©nfasis en la bĆŗsqueda de mundos mĆ”s allĆ” de nuestro sistema solar. Como experto en anĆ”lisis de datos y estadĆ­stica bayesiana, dirige un equipo innovador que combina modelos de inteligencia artificial para detectar planetas similares a la Tierra.

Comprometido con el impacto social de la ciencia, su equipo tambiĆ©n desarrolla proyectos que aplican la ciencia de datos a desafĆ­os contemporĆ”neos en educaciĆ³n y salud pĆŗblica. Su contribuciĆ³n cientĆ­fica ha sido reconocida con premios de la Academia Nacional de Ciencia y la Academia Nacional de Ciencias Exactas y Naturales.

Dr. GermƔn Rosati

Universidad Nacional de San MartĆ­n, Argentina

SociĆ³logo, Dr. en Ciencias Sociales (UBA) y Mg. en GeneraciĆ³n y AnĆ”lisis de InformaciĆ³n EstadĆ­stica en Universidad Nacional de Tres de Febrero. Es Investigador Adjunto del CONICET y docente en la Escuela Interdisciplinaria de Altos Estudios Sociales de la UNSAM, dĆ³nde, ademĆ”s coordina factor~data, laboratorio en Ciencias Sociales Computacionales. Sus temas de investigaciĆ³n e interĆ©s se centran por un lado, en la aplicaciĆ³n de mĆ©todos de Machine Learning aplicados a las ciencias sociales, particularmente al estudio de la estructura social agraria y, por el otro, en la aplicaciĆ³n de tĆ©cnicas de procesamiento de lenguaje natural.

ļ³

Cronograma

Lunes 09 - 02
Sede 08:00 a 9:00h 9:00 a 12:00h 12:00 a 14:00h 14:00 a 17:00h 17:00 a 18:00hĀ 
UNSAM RecepciĆ³n

Curso:

Procesamiento de Lenguaje Natural: introducciĆ³n, mĆ©todos, aplicaciones

Dra. Aiala RosĆ”

 Espacio para almuerzo

Curso:

Aprendizaje profundo para reconocimiento visual y modelado generativo

Dra. VerĆ³nica Vilaplana

Charla:

Inteligencia Artificial para la detecciĆ³n y caracterizaciĆ³n de planetas y la bĆŗsqueda de vida fuera del Sistema SolarĀ 

Dr. Rodrigo Diaz
Martes 10 - 02
Sede 08:00 a 9:00h 9:00 a 12:00h 12:00 a 14:00h 14:00 a 17:00h 17:00 a 18:00hĀ 
UNSAM RecepciĆ³n

Curso:

Procesamiento de Lenguaje Natural: introducciĆ³n, mĆ©todos, aplicaciones

Dra. Aiala RosĆ”

 Espacio para almuerzo

Curso:

Aprendizaje profundo para reconocimiento visual y modelado generativo

Dra. VerĆ³nica Vilaplana

Charla:Ā 

Trayectorias como textos. Analizando historias laborales y cambios en el uso del suelo con tƩcnicas de NLP.

Dr. GermƔn Rosati
MiƩrcoles 11 - 02
Sede 08:00 a 9:00h 9:00 a 12:00h 12:00 a 14:00h 14:00 a 17:00h 17:00 a 18:00hĀ 
A confirmar. RecepciĆ³n

Taller:

ClĆ­nica de Equidad para modelos predictivos

Dra. Mariela Rajngewerc

Dra. Laura Alonso Alemany

 Espacio para almuerzo

Taller:

ClĆ­nica de Equidad para modelos predictivos

Dra. Mariela Rajngewerc

Dra. Laura Alonso Alemany

Charla:

A confirmar.

 

Jueves 12 - 02
Sede 08:00 a 9:00h 9:00 a 12:00h 12:00 a 14:00h 14:00 a 17:00h 17:00 a 18:00hĀ 
UNAHUR RecepciĆ³n

Curso:

Procesamiento de Lenguaje Natural: introducciĆ³n, mĆ©todos, aplicaciones

Dra. Aiala RosĆ”

 Espacio para almuerzo

Curso:

Aprendizaje profundo para reconocimiento visual y modelado generativo

Dra. VerĆ³nica Vilaplana

Charla:Ā 

A confirmar.
Viernes 13 - 02
Sede 08:00 a 9:00h 9:00 a 12:00h 12:00 a 14:00h 14:00 a 17:00h 17:00 a 18:00hĀ 
UNAHUR RecepciĆ³n

Curso:

Procesamiento de Lenguaje Natural: introducciĆ³n, mĆ©todos, aplicaciones

Dra. Aiala RosĆ”

 Espacio para almuerzo

Curso:

Aprendizaje profundo para reconocimiento visual y modelado generativo

Dra. VerĆ³nica Vilaplana

Mesa de cierre
Lunes 09 - 02
Sede UNSAM
8:00 a 9:00h RecepciĆ³n
9:00 a 12:00h

Curso:Ā 

Procesamiento de Lenguaje Natural: introducciĆ³n, mĆ©todos, aplicaciones

Dra. Aiala RosĆ”
12:00 a 14:00h Espacio para almuerzo
14:00 a 17:00h

Curso:

Aprendizaje profundo para reconocimiento visual y modelado generativo

Dra. VerĆ³nica Vilaplana
17:00 a 18:00h

Charla:

Inteligencia Artificial para la detecciĆ³n y caracterizaciĆ³n de planetas y la bĆŗsqueda de vida fuera del Sistema Solar

Dr. Rodrigo Diaz
Martes 10 - 02
Sede UNSAM
8:00 a 9:00h RecepciĆ³n
9:00 a 12:00h

Curso:Ā 

Procesamiento de Lenguaje Natural: introducciĆ³n, mĆ©todos, aplicaciones

Dra. Aiala RosĆ”
12:00 a 14:00h Espacio para almuerzo
14:00 a 17:00h

Curso:

Aprendizaje profundo para reconocimiento visual y modelado generativo

Dra. VerĆ³nica Vilaplana
17:00 a 18:00h

Charla:

Trayectorias como textos. Analizando historias laborales y cambios en el uso del suelo con tƩcnicas de NLP

Dr.Ā  GermĆ”n Rosati
MiƩrcoles 11 - 02
Sede Ā A confirmar.
8:00 a 9:00h RecepciĆ³n
9:00 a 12:00h

Taller:Ā 

ClĆ­nica de Equidad para modelos predictivos

Dra. Mariela Rajngewerc

Dra. Laura Alonso Alemany
12:00 a 14:00h Espacio para almuerzo
14:00 a 17:00h

Taller:Ā 

ClĆ­nica de Equidad para modelos predictivos

Dra. Mariela Rajngewerc

Dra. Laura Alonso Alemany
17:00 a 18:00h

Charla:

A confirmar.
Jueves 12 - 02
Sede UNAHUR
8:00 a 9:00h RecepciĆ³n
9:00 a 12:00h

Curso:Ā 

Procesamiento de Lenguaje Natural: introducciĆ³n, mĆ©todos, aplicaciones

Dra. Aiala RosĆ”
12:00 a 14:00h Espacio para almuerzo
14:00 a 17:00h

Curso:

Aprendizaje profundo para reconocimiento visual y modelado generativo

Dra. VerĆ³nica Vilaplana
17:00 a 18:00h

Charla:

A confirmar
Viernes 13 - 02
Sede UNAHUR
8:00 a 9:00h RecepciĆ³n
9:00 a 12:00h

Curso:Ā 

Procesamiento de Lenguaje Natural: introducciĆ³n, mĆ©todos, aplicaciones

Dra. Aiala RosĆ”
12:00 a 14:00h Espacio para almuerzo
14:00 a 17:00h

Curso:

Aprendizaje profundo para reconocimiento visual y modelado generativo

Dra. VerĆ³nica Vilaplana
17:00 a 18:00h

Mesa de cierre

Autoridad de Instituto UNAHUR

Autoridad de Instituto UNSAM

Director del Instituto de TecnologĆ­a e IngenierĆ­a

Ing. Fernando Puricelli

Decano de la Escuela de Ciencia y TecnologĆ­a

Dr. Federico Golmar

Autoridad de Instituto UNAHUR

Director del Instituto de TecnologĆ­a e IngenierĆ­a

Ing. Fernando Puricelli

Autoridad de Instituto UNSAM

Decano de la Escuela de Ciencia y TecnologĆ­a

Dr. Federico Golmar

ComitƩ Cientƭfico UNAHUR

ComitƩ Cientƭfico UNSAM

Dra. Juliana Gambini

Dr. Juan Santos

Lic. MarĆ­a Sol Espain

Lic. AgustĆ­n Moro

ComitƩ Cientƭfico UNAHUR

Dra. Juliana Gambini

Dr. Juan Santos

ComitƩ Cientƭfico UNSAM

Lic. MarĆ­a Sol Espain

Lic. AgustĆ­n Moro

Inscribite acĆ”

Contacto : eivia@unahur.edu.ar