Escuela Internacional en
Inteligencia Artificial
Fecha de realización: 09 al 13 de Febrero de 2026 – Modalidad: Presencial.
Fecha de inscripción: 20 de Octubre al 20 de Noviembre de 2025
Fecha de confirmación de admisión: 10 de Diciembre de 2025
Escuela Internacional en
Inteligencia Artificial
Fecha de realización: 09 al 13 de Febrero de 2026 – Modalidad: Presencial.
Fecha de inscripción: 20 de Octubre al 20 de Noviembre de 2025
Fecha de confirmación de admisión: 10 de Diciembre de 2025
Contacto : eivia@unahur.edu.ar
¿Qué 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 público sobre la Ética y el Impacto Social de la Inteligencia Artificial tal como ha sido planteado en el último Foro de Altas Autoridades en Inteligencia Artificial (IA) en América Latina y el Caribe, convocado por la Corporación Andina de Fomento (CAF), el Gobierno de Chile y la UNESCO, que culminó con la firma de la «Declaración de Santiago». En ella se define como objetivo principal establecer un liderazgo regional para la gobernanza de la IA, creando una voz común en la región. Además, la declaración enfatiza la importancia de anticiparse a los desarrollos tecnológicos futuros y regular los derechos emergentes en un contexto global.
La segunda está vinculada a conocer y anticiparse a los desafíos del campo de la Inteligencia artificial y la ciencia de datos. Estas disciplinas tienen la capacidad para transformar grandes volúmenes de datos en información 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 técnicas que permitan el descubrimiento y análisis de patrones y tendencias. Es por eso que organizaciones de todo tipo tienen un interés cada vez mayor en incorporar profesionales con conocimientos en estos temas, lo que se ve reflejado en el creciente número 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 Automático (AA), incluyendo desarrollos en el área de procesamiento de lenguaje natural, análisis de imágenes, ciencias de la salud, entre otras.
- Abordar problemas complejos y de vanguardia mediante la aplicación de técnicas avanzadas de IA/AA, utilizando datos reales y escenarios regionales y globales, junto a reconocidos expertos de diversos ámbitos.
- Profundizar en la gobernanza y las consideraciones éticas en el desarrollo y despliegue de tecnologías de IA, con un enfoque en la creación de marcos que promuevan el uso responsable y equitativo de la IA a nivel global.
- Fomentar la colaboración internacional y la creación de redes entre expertos en IA/AA, facilitando intercambios de conocimientos y experiencias entre actores del sector académico, industrial y gubernamental.
Instituto de Tecnología e Ingeniería
Consideraciones de participación
- La escuela está dirigida a estudiantes avanzados de carreras afines a la temática, docentes e investigadores/as en IA y profesionales del área. En función de las solicitudes recibidas se realizará un proceso de admisión, dado que la escuela tiene un cupo limitado de asistentes.
- Para los/as inscriptos/as que requieran ayuda económica para su asistencia a la escuela, se prevé la posibilidad de becas completas o parciales que contemplen gastos de traslado y estadía. En el formulario de inscripción se encuentra un apartado para solicitar dicha ayuda, la cual será sometida a consideración.
- Complementariamente a los cursos específicos destinados a quienes son admitidos a la escuela, se ofrecerán actividades abiertas a la comunidad en general, que formarán parte del programa ampliado.
Requisitos
Conocimientos
Los/las aspirantes a asistir a la escuela deben tener conocimientos básicos de álgebra lineal, análisis matemático, probabilidad y estadística, programación y aprendizaje automático.
- Conocimientos básicos de álgebra lineal: notación matricial, operaciones básicas entre matrices y vectores, producto escalar y vectorial.
- Conocimientos básicos de programación: poder leer y entender un programa escrito en Python (o similar).
- Conocimientos básicos de análisis matemático: Análisis de función, derivadas, integrales y derivadas en varias variables.
- Conocimientos básicos de aprendizaje automático: concepto de perceptron, actualización de pesos sinápticos en redes neuronales artificiales, aprendizaje supervisado y no supervisado.
- Conocimientos básicos en Probabilidad y estadística: cálculo de probabilidades, función de densidad de probabilidad, función de distribución.
Carta institucional
Los/las aspirantes deben presentar una carta de la institución o lugar de trabajo al que pertenecen solicitando la inscripción a la escuela. La carta debe estar firmada por un jefe, profesor o una autoridad inmediata de la institución a la que asiste.
Currículum Vitae
Los aspirantes deben presentar Currículum Vitae resumido (máximo dos páginas).
Asistencia
Los aspirantes deben comprometerse a asistir todos los días a la escuela, a todos los cursos, talleres y charlas.
Certificaciones
Certificado de asistencia
La escuela emitirá certificado de asistencia.
Certificado de aprobación
- La escuela emitirá certificado de aprobación.
- Las condiciones de aprobación de cada curso serán comunicadas al inicio del mismo por el/la profesor/a a cargo.
Cursos
Aprendizaje profundo para reconocimiento visual y modelado generativo
Dra. Verónica Vilaplana, Universitat Politècnica de Catalunya, España
Este curso provee una visión general de los métodos de aprendizaje profundo aplicados a visión por computadora. Abarca los conceptos fundamentales de redes neuronales artificiales y optimización, las principales arquitecturas convolucionales para el análisis de imágenes y la extensión de estos modelos a la detección y segmentación de objetos.
Procesamiento de Lenguaje Natural: introducción, métodos, aplicaciones
Dra. Aiala Rosá, Universidad de la República, Uruguay
Conceptos básicos del Procesamiento de Lenguaje Natural (PLN). Modelos estadísticos para PLN. Representaciones vectoriales de palabras (word embeddings). Modelos de lenguaje: conceptos básicos, 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).
Taller
Clínica de Equidad para modelos predictivos
Dra. Mariela Rajngewerc, Universidad Nacional de San Martín, Argentina
Dra. Laura Alonso Alemany, Universidad Nacional de Córdoba, Argentina
Esta Clínica tiene como objetivo ofrecer una formación práctica acerca del análisis de equidad en sistemas de aprendizaje automático, utilizando conjuntos de datos reales y descriptores demográficos. Abordaremos cómo estos sistemas pueden reproducir y amplificar sesgos existentes. Definiremos la equidad algorítmica, explorando sus múltiples dimensiones y las implicaciones de diferentes métricas según el contexto de aplicación.
Clínica de Equidad para modelos predictivos
Dra. Mariela Rajngewerc, Universidad Nacional de San Martín, Argentina
Dra. Laura Alonso Alemany, Universidad Nacional de Córdoba, Argentina
Esta Clínica tiene como objetivo ofrecer una formación práctica acerca del análisis de equidad en sistemas de aprendizaje automático, utilizando conjuntos de datos reales y descriptores demográficos. Abordaremos cómo estos sistemas pueden reproducir y amplificar sesgos existentes. Definiremos la equidad algorítmica, explorando sus múltiples dimensiones y las implicaciones de diferentes métricas según el contexto de aplicación.
Charlas
Inteligencia Artificial para la detección y caracterización de planetas y la búsqueda de vida fuera del Sistema Solar
Dr. Rodrigo Díaz, Instituto Tecnológico de Buenos Aires, Argentina
Durante las últimas tres décadas, el descubrimiento de exoplanetas ha pasado de ser un evento excepcional a constituir una disciplina de precisión. En este contexto, la inteligencia artificial (IA) se ha convertido en una herramienta clave para afrontar los desafíos que surgen cuando la mejora incesante en la precisión de las observaciones se encuentra con límites astrofísicos impuestos por la variabilidad intrínseca de las estrellas.
Trayectorias como textos. Analizando historias laborales y cambios en el uso del suelo con técnicas de Procesamiento de lenguaje natural
Dr. Germán Rosati, Universidad Nacional de San Martín, Argentina
En muchas disciplinas científicas y ámbitos de aplicación solemos encontrarnos con datos de secuencias: trayectorias laborales, secuencias genómicas o de proteínas, logs de actividades de usuarios, cambios en el uso de suelo, etc. Las ciencias sociales han abordado desde hace décadas el estudio de trayectorias – laborales, vitales. etc. – como formas de analizar el cambio y la temporalidad.
Del concepto al MVP: Desarrollo iterativo de aplicaciones con LLMs
Lic. Tomás Maguire, Universidad de San Martín.
Desarrollar aplicaciones que interactúan con modelos de lenguaje grandes (LLMs) requiere un enfoque particular: la incertidumbre técnica es alta, las expectativas del cliente suelen ser difusas, y el costo de construir algo equivocado puede ser significativo. La metodología de Producto Mínimo Viable (MVP) y los principios de Lean Startup ofrecen un marco para navegar esta complejidad de forma pragmática.
Disertantes
Dra. Aiala Rosá
Universidad de la República, Uruguay
Profesora Agregada full-time del Instituto de Computación (Facultad de Ingeniería, Universidad de la República, Udelar).
Responsable del grupo de investigación Procesamiento de Lenguaje Natural desde el año 2020.
Principales áreas de investigación: análisis de subjetividad en redes sociales y prensa, PLN aplicado a la enseñanza de lenguas, Question & Answering, extracción de información, generación de recursos para el procesamiento del español.
Docencia en diferentes cursos regulares vinculados al área: Introducción al Procesamiento de Lenguaje Natural (grado y posgrado académico), Gramáticas Formales para el Lenguaje Natural (grado y posgrado académico), Análisis de Textos (posgrado profesional). Otros cursos: Introducción a las Redes Neuronales para el Análisis de Textos (Escuela Iberoamericana de Inteligencia Artificial, septiembre 2024), Redes Neuronales para Análisis y Generación de Textos (CLEI - ELI, octubre 2025).
Coordinadora de la Especialización y la Maestría en Ciencia de Datos Aplicada desde
Dra. Verónica Vilaplana
Universitat Politècnica de Catalunya, España
Doctora por la Universitat Politècnica de Catalunya (UPC, España) y Licenciada en Matemática y en Ciencias de la Computación por la Universidad de Buenos Aires (Argentina). Es profesora e investigadora en la UPC, donde trabaja en aprendizaje profundo y visión por computador, con especial interés en sus aplicaciones al análisis y la generación de imágenes médicas. Su actividad combina la investigación en inteligencia artificial con la docencia en grado y posgrado, y la participación en proyectos nacionales e internacionales en el ámbito de imágenes biomédicas.
Dra. Aiala Rosá
Universidad de la República, Uruguay
Profesora Agregada full-time del Instituto de Computación (Facultad de Ingeniería, Universidad de la República, Udelar).
Responsable del grupo de investigación Procesamiento de Lenguaje Natural desde el año 2020.
Principales áreas de investigación: análisis de subjetividad en redes sociales y prensa, PLN aplicado a la enseñanza de lenguas, Question & Answering, extracción de información, generación de recursos para el procesamiento del español.
Docencia en diferentes cursos regulares vinculados al área: Introducción al Procesamiento de Lenguaje Natural (grado y posgrado académico), Gramáticas Formales para el Lenguaje Natural (grado y posgrado académico), Análisis de Textos (posgrado profesional). Otros cursos: Introducción a las Redes Neuronales para el Análisis de Textos (Escuela Iberoamericana de Inteligencia Artificial, septiembre 2024), Redes Neuronales para Análisis y Generación de Textos (CLEI - ELI, octubre 2025).
Coordinadora de la Especialización y la Maestría en Ciencia de Datos Aplicada desde
Dra. Verónica Vilaplana
Universitat Politècnica de Catalunya, España
Doctora por la Universitat Politècnica de Catalunya (UPC, España) y Licenciada en Matemática y en Ciencias de la Computación por la Universidad de Buenos Aires (Argentina). Es profesora e investigadora en la UPC, donde trabaja en aprendizaje profundo y visión por computador, con especial interés en sus aplicaciones al análisis y la generación de imágenes médicas. Su actividad combina la investigación en inteligencia artificial con la docencia en grado y posgrado, y la participación en proyectos nacionales e internacionales en el ámbito de imágenes biomédicas.
Dra. Mariela Rajngewerc
Universidad Nacional de San Martín, Argentina
Lic. en Cs. Matemáticas (UBA) y Dra. en Cs. Aplicadas y de la Ingeniería (UNSAM). Es investigadora postdoctoral en CONICET en temas de detección de sesgos y evaluación de equidad en modelos de aprendizaje automático y profesora de la materia Equidad en Aprendizaje Automático en la Lic. en Cs. de Datos de UNSAM.
Dra. Laura Alonso Alemany
Universidad Nacional de Córdoba, Argentina
Doctora en Lingüística Computacional por la Universidad de Barcelona, profesora de Ciencias de la Computación en la Facultad de Matemática, Astronomía, Física y Computación de la Universidad Nacional de Córdoba. Es especialista en Procesamiento del Lenguaje Natural y Ética de la Inteligencia Artificial.
Dra. Mariela Rajngewerc
Universidad Nacional de San Martín, Argentina
Lic. en Cs. Matemáticas (UBA) y Dra. en Cs. Aplicadas y de la Ingeniería (UNSAM). Es investigadora postdoctoral en CONICET en temas de detección de sesgos y evaluación de equidad en modelos de aprendizaje automático y profesora de la materia Equidad en Aprendizaje Automático en la Lic. en Cs. de Datos de UNSAM.
Dra. Laura Alonso Alemany
Universidad Nacional de Córdoba, Argentina
Doctora en Lingüística Computacional por la Universidad de Barcelona, profesora de Ciencias de la Computación en la Facultad de Matemática, Astronomía, Física y Computación de la Universidad Nacional de Córdoba. Es especialista en Procesamiento del Lenguaje Natural y Ética de la Inteligencia Artificial.
Dr. Rodrigo Díaz
Instituto Tecnológico de Buenos Aires, Argentina
Doctor en Física e Investigador del CONICET. Actualmente lidera el Departamento de Sistemas Digitales y Datos del Instituto Tecnológico de Buenos Aires (ITBA) y es profesor en la Universidad Nacional de San Martín, donde fue uno de los arquitectos principales y director de la Licenciatura en Ciencia de Datos hasta marzo de 2025.
Su investigación se centra en la astrofísica, con especial énfasis en la búsqueda de mundos más allá de nuestro sistema solar. Como experto en análisis de datos y estadística 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 también desarrolla proyectos que aplican la ciencia de datos a desafíos contemporáneos en educación y salud pública. Su contribución científica ha sido reconocida con premios de la Academia Nacional de Ciencia y la Academia Nacional de Ciencias Exactas y Naturales.
Dr. Germán Rosati
Universidad Nacional de San Martín, Argentina
Sociólogo, Dr. en Ciencias Sociales (UBA) y Mg. en Generación y Análisis de Información Estadística 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, dónde, además coordina factor~data, laboratorio en Ciencias Sociales Computacionales. Sus temas de investigación e interés se centran por un lado, en la aplicación de métodos de Machine Learning aplicados a las ciencias sociales, particularmente al estudio de la estructura social agraria y, por el otro, en la aplicación de técnicas de procesamiento de lenguaje natural.
Lic. Tomás Maguire
Universidad Nacional de San Martín, Argentina
Licenciado en Sociología por la Universidad de San Martín y maestrando en Análisis y Generación de Información Estadística por UNTREF. Machine Learning Engineer en el laboratorio factor~data de Ciencias Sociales Computacionales (UNSAM). AI/ML Engineer en Accenture, actualmente desempeñando el cargo de Mánager Asociado. Profesor asistente de Procesamiento de Lenguaje Natural en la Diplomatura de Ciencias Sociales Computacionales y Humanidades Digitales (EIDAES).
.
.
Dr. Rodrigo Díaz
Instituto Tecnológico de Buenos Aires, Argentina
Doctor en Física e Investigador del CONICET. Actualmente lidera el Departamento de Sistemas Digitales y Datos del Instituto Tecnológico de Buenos Aires (ITBA) y es profesor en la Universidad Nacional de San Martín, donde fue uno de los arquitectos principales y director de la Licenciatura en Ciencia de Datos hasta marzo de 2025.
Su investigación se centra en la astrofísica, con especial énfasis en la búsqueda de mundos más allá de nuestro sistema solar. Como experto en análisis de datos y estadística 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 también desarrolla proyectos que aplican la ciencia de datos a desafíos contemporáneos en educación y salud pública. Su contribución científica ha sido reconocida con premios de la Academia Nacional de Ciencia y la Academia Nacional de Ciencias Exactas y Naturales.
Dr. Germán Rosati
Universidad Nacional de San Martín, Argentina
Sociólogo, Dr. en Ciencias Sociales (UBA) y Mg. en Generación y Análisis de Información Estadística 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, dónde, además coordina factor~data, laboratorio en Ciencias Sociales Computacionales. Sus temas de investigación e interés se centran por un lado, en la aplicación de métodos de Machine Learning aplicados a las ciencias sociales, particularmente al estudio de la estructura social agraria y, por el otro, en la aplicación de técnicas de procesamiento de lenguaje natural.
Lic. Tomás Maguire
Universidad Nacional de San Martín, Argentina
Licenciado en Sociología por la Universidad de San Martín y maestrando en Análisis y Generación de Información Estadística por UNTREF. Machine Learning Engineer en el laboratorio factor~data de Ciencias Sociales Computacionales (UNSAM). AI/ML Engineer en Accenture, actualmente desempeñando el cargo de Mánager Asociado. Profesor asistente de Procesamiento de Lenguaje Natural en la Diplomatura de Ciencias Sociales Computacionales y Humanidades Digitales (EIDAES).
.
.
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 18:00h |
| UNSAM | Recepción |
Curso: Procesamiento de Lenguaje Natural: introducción, métodos, aplicaciones Dra. Aiala Rosá |
Espacio para almuerzo |
Curso: Aprendizaje profundo para reconocimiento visual y modelado generativo Dra. Verónica Vilaplana |
Charla: Inteligencia Artificial para la detección y caracterización de planetas y la búsqueda de vida fuera del Sistema Solar 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 18:00h |
| UNSAM | Recepción |
Curso: Procesamiento de Lenguaje Natural: introducción, métodos, aplicaciones Dra. Aiala Rosá |
Espacio para almuerzo |
Curso: Aprendizaje profundo para reconocimiento visual y modelado generativo Dra. Verónica Vilaplana |
Charla: Trayectorias como textos. Analizando historias laborales y cambios en el uso del suelo con técnicas de NLP. Dr. Germán Rosati |
Miércoles 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 18:00h |
| UNSAM | Recepción |
Taller: Clínica de Equidad para modelos predictivos Dra. Mariela Rajngewerc Dra. Laura Alonso Alemany |
Espacio para almuerzo |
Taller: Clínica de Equidad para modelos predictivos Dra. Mariela Rajngewerc Dra. Laura Alonso Alemany |
– |
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 18:00h |
| UNAHUR | Recepción |
Curso: Procesamiento de Lenguaje Natural: introducción, métodos, aplicaciones Dra. Aiala Rosá |
Espacio para almuerzo |
Curso: Aprendizaje profundo para reconocimiento visual y modelado generativo Dra. Verónica Vilaplana |
Charla: Del concepto al MVP: Desarrollo iterativo de aplicaciones con LLMs Lic. Tomás Maguire |
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 18:00h |
| UNAHUR | Recepción |
Curso: Procesamiento de Lenguaje Natural: introducción, métodos, aplicaciones Dra. Aiala Rosá |
Espacio para almuerzo |
Curso: Aprendizaje profundo para reconocimiento visual y modelado generativo Dra. Verónica Vilaplana |
Mesa de cierre |
Lunes 09 - 02
| Sede | UNSAM |
| 8:00 a 9:00h | Recepción |
| 9:00 a 12:00h |
Curso: Procesamiento de Lenguaje Natural: introducción, métodos, aplicaciones Dra. Aiala Rosá |
| 12:00 a 14:00h | Espacio para almuerzo |
| 14:00 a 17:00h |
Curso: Aprendizaje profundo para reconocimiento visual y modelado generativo Dra. Verónica Vilaplana |
| 17:00 a 18:00h |
Charla: Inteligencia Artificial para la detección y caracterización de planetas y la búsqueda de vida fuera del Sistema Solar Dr. Rodrigo Diaz |
Martes 10 - 02
| Sede | UNSAM |
| 8:00 a 9:00h | Recepción |
| 9:00 a 12:00h |
Curso: Procesamiento de Lenguaje Natural: introducción, métodos, aplicaciones Dra. Aiala Rosá |
| 12:00 a 14:00h | Espacio para almuerzo |
| 14:00 a 17:00h |
Curso: Aprendizaje profundo para reconocimiento visual y modelado generativo Dra. Verónica Vilaplana |
| 17:00 a 18:00h |
Charla: Trayectorias como textos. Analizando historias laborales y cambios en el uso del suelo con técnicas de NLP Dr. Germán Rosati |
Miércoles 11 - 02
| Sede | UNSAM |
| 8:00 a 9:00h | Recepción |
| 9:00 a 12:00h |
Taller: Clínica 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: Clínica de Equidad para modelos predictivos Dra. Mariela Rajngewerc Dra. Laura Alonso Alemany |
| 17:00 a 18:00h |
–
|
Jueves 12 - 02
| Sede | UNAHUR |
| 8:00 a 9:00h | Recepción |
| 9:00 a 12:00h |
Curso: Procesamiento de Lenguaje Natural: introducción, métodos, aplicaciones Dra. Aiala Rosá |
| 12:00 a 14:00h | Espacio para almuerzo |
| 14:00 a 17:00h |
Curso: Aprendizaje profundo para reconocimiento visual y modelado generativo Dra. Verónica Vilaplana |
| 17:00 a 18:00h |
Charla: Del concepto al MVP: Desarrollo iterativo de aplicaciones con LLMs Lic. Tomás Maguire |
Viernes 13 - 02
| Sede | UNAHUR |
| 8:00 a 9:00h | Recepción |
| 9:00 a 12:00h |
Curso: Procesamiento de Lenguaje Natural: introducción, métodos, aplicaciones Dra. Aiala Rosá |
| 12:00 a 14:00h | Espacio para almuerzo |
| 14:00 a 17:00h |
Curso: Aprendizaje profundo para reconocimiento visual y modelado generativo Dra. Verónica Vilaplana |
| 17:00 a 18:00h |
Mesa de cierre |
Autoridad de Instituto UNAHUR
Autoridad de Instituto UNSAM
Director del Instituto de Tecnología e Ingeniería
Ing. Fernando Puricelli
Decano de la Escuela de Ciencia y Tecnología
Dr. Federico Golmar
Autoridad de Instituto UNAHUR
Director del Instituto de Tecnología e Ingeniería
Ing. Fernando Puricelli
Autoridad de Instituto UNSAM
Decano de la Escuela de Ciencia y Tecnología
Dr. Federico Golmar
Comité Académico UNAHUR
Comité Académico UNSAM
Dra. Juliana Gambini
Dr. Juan Santos
Lic. María Sol Espain
Lic. Agustín Moro
Comité de admisión y organización UNAHUR
Comité de admisión y organización UNSAM
Dra. Andrea Rey
Ing. Natalia Caroli
Lic. Leila Sofía Asplanato
Lic. Luis Agustín Nieto
Lic. Emiliano Churruca
Comité Académico UNAHUR
Dra. Juliana Gambini
Dr. Juan Santos
Comité Académico UNSAM
Lic. María Sol Espain
Lic. Agustín Moro
Comité de admisión y organización UNAHUR
Dra. Andrea Rey
Ing. Natalia Caroli
Lic. Emiliano Churruca
Comité de admisión y organización UNSAM
Lic. Leila Sofía Asplanato
Lic. Luis Agustín Nieto
Contacto : eivia@unahur.edu.ar