- Promover la investigación avanzada en IA para desarrollar nuevas teorías, metodologías y aplicaciones que impulsen el progreso científico y tecnológico en este campo.
- Fomentar la colaboración interdisciplinaria para abordar los complejos desafíos que enfrentan hoy las ciencias sociales incluyendo las tecnologías de la IA.
- Formar a los/as participantes en la identificación y análisis de dilemas éticos relacionados con el desarrollo y la implementación de tecnologías de IA, promoviendo su uso responsable y ético.
- Utilizar la inteligencia artificial para analizar y comprender mejor los fenómenos sociales complejos, proporcionando nuevas perspectivas y herramientas para el estudio de problemas sociales contemporáneos.
Requisitos de Admisión
- Poseer título de Doctor/a.
- Demostrar que se encuentra trabajando actualmente en alguna de las temáticas relacionadas al tema del posdoctorado.
- Presentar un proyecto de investigación a desarrollar, al momento de su solicitud de admisión al posdoctorado, cuyos resultados podrán ser traducidos en un artículo que deberá ser publicado de manera individual para acreditar el posdoctorado.
- Poseer conocimientos básicos de Álgebra lineal, Cálculo y Probabilidad y Estadística.
Es obligatoria la asistencia (virtualmente) al menos al 80% de las actividades programadas del Seminario (30 horas).
Obligaciones como posdoctorando/aGenerar un artículo científico que deberá ser publicado (o aceptado para su publicación) en una revista indexada en Scimago 1 a 3 ó CIRC A+, A y B de acuerdo a la Ordenanza HCD, FCE Nº551/2018. El plazo para publicar el artículo será de 2 años desde que comienza el dictado del Seminario. La publicación debe ser individual y debe contar con la información de que el mismo se realiza en el marco de este posdoctorado.
Programa y modalidad de cursado
Fecha estimada de inicio: mayo 2025. El Programa comprenderá el periodo 2025-2026.
Se llevará a cabo un seminario, con modalidad virtual, que será dictado por profesores especialistas en la temática. El seminario cuenta con 30 horas y se desarrollará de lunes a viernes (3 hs diarias) en fecha a confirmar.
El seminario cuenta con un aula virtual en la plataforma Moodle para compartir materiales y enlaces de los módulos que estarán disponibles para los participantes. En esta aula se definirá un espacio para foros de consultas y/o interacción de los participantes y otro para instancias de seguimiento por parte de los tutores.
Cada trabajo realizado en el marco del posdoctorado contará con un tutor o tutora que proporcionará orientación y apoyo a cada uno/a de los posdoctorandos/as, con el objetivo de guiarlos/as en el cumplimiento de sus metas académicas.
Charla 1: Los desafíos presentes y futuros de la IA
Módulo 1: Análisis, curación y visualización de datos
A cargo del Dr. Francisco Tamarit.
Visualización y análisis de datos. Ciencia de datos y su superposición con el aprendizaje automático. Exploración y curación de datos. Limpieza de datos. Análisis y exploración. Definición de la tarea y diseño de experimentos. Desarrollo de un modelo predictivo. Tipos de datos. La estructura de los datos. Datos estructurados. Datos semi-estructurados. Datos no estructurados. Complejidad de datos. Bases de datos. El uso de Github y Google Collaboratory.
Docente: Dr. Luis Biedma
Charla 2: Los dilemas éticos de la IA
Módulo 2: Análisis no supervisado
A cargo de la Dra. Laura Alonso Alemany
Técnicas de agrupación en clústeres. Clústeres exclusivos y superpuestos. El método K-medias. Agrupación jerárquica en clústeres. Agrupación probabilística en clústers. Técnicas de reducción de dimensionalidad. Descomposición en valores singulares (SVD). Codificadores automáticos. Ejemplos y su implementación en Python.
Docente: Dra. María Inés Stimolo
Charla 3: IA y ciencias sociales
Módulo 3: Aprendizaje supervisado
Definiciones. Regresión lineal. Regresión logística. Máquinas de vectores de soporte (SVM). K vecinos más cercanos (KNN). Técnicas basadas en árboles de decisión y random forest. Las redes neuronales. El paradigma conexionista. Boosting y ensambles. Redes neuronales artificiales y sus diferentes topologías. El paradigma conexionista. Las redes feed-forward. El concepto de función de costo o pérdida. El algoritmo de retropropagación del error. El problema de la supresión del gradiente. Aprendizaje profundo. Las redes recurrentes. Las redes convolucionales. Las redes transformers.
Docente: Dr. Francisco Tamarit
Equipo
Comité Ejecutivo
Dra. Patricia Caro - Coordinadora
Dra. en Ciencias Económicas. Mgter. en Estadística Aplicada. Profesora titular de Estadística I y asignada a Estadística II, FCE - UNC. Co Dirige junto con el Dr. Tamarit, la Diplomatura en Ciencia de Datos, Inteligencia Artificial y sus aplicaciones a la economía y negocios (FCE - FAMAF). Investigadora Categoría II del sistema de incentivos e integrante del Centro de Investigaciones en Ciencias Económicas, CICE (UNC-CONICET). Actualmente se desempeña como Secretaria de Desarrollo y Evaluación Institucional - FCE.
Dr. Francisco Tamarit
Dr. en Física, Profesor Titular de la Sección Física de la Facultad de Matemática, Astronomía, Física y Computación de la Universidad Nacional de Córdoba e Investigador Principal de la Carrera de Investigador Científico del CONICET en el Instituto de Física Enrique Gaviola (UNC y CONICET). Es Investigador Categoría I en el Sistema Nacional de Incentivos. Codirige, junto a la Dra. Patricia Caro, la Diplomatura en Ciencia de Datos, Inteligencia Artificial y sus Aplicaciones a la Economía y Negocios (FCE y FAMAF).
Dra. María Inés Stimolo
Dra. en Ciencias Económicas. Mgter. en Estadística Aplicada. Profesora titular asignada a Estadística I e Introducción al Aprendizaje Automático de la FCE-UNC.
Docente en la Diplomatura en Ciencia de Datos, Inteligencia Artificial y sus aplicaciones a la economía y negocios (FCE - FAMAF).
Es Investigadora Categoría III en el Sistema Nacional de Incentivos e integrante del Centro de Investigaciones en Ciencias Económicas, CICE (UNC - CONICET).
Profesores Invitados
Dra. Laura Alonso Alemany
Doctora en Lingüística Computacional (Universidad de Barcelona), Profesora Titular en la Sección Computación de la FAMAF - UNC. Es miembro del Consejo de la Liga del Bien en Inteligencia Artificial y miembro del equipo de ética en la Inteligencia Artificial de la Fundación Vía Libre. Es especialista en procesamiento del lenguaje natural y en ética de la Inteligencia Artificial. Tiene numerosos antecedentes en proyectos de investigación nacionales, regionales e internacionales y ha participado como consultora en numerosos proyectos de transferencia al sector socio-productivo.
Dr. Luis Biedma
Doctor en Matemáticas y Profesor de la Sección Matemática de la Facultad de Matemática, Astronomía, Física y Computación de la Universidad Nacional de Córdoba.
Es especialista en Análisis Numérico y trabaja en problemas de optimización y en métodos de álgebra lineal de alto desempeño.
Es también Data Scientist en la empresa Carefull, una startup internacional dedicada al cuidado financiero.
Aranceles
Tanto candidatos nacionales como extranjeros deberán abonar el arancel del Programa. Para conocer el valor, consultar en el correo Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
Importante: Los/as docentes-investigadores/as de la Universidad Nacional de Córdoba tendrán un descuento del 50% sobre el valor de dicho arancel.
Inscripciones
Las postulaciones se encuentran abiertas hasta abril de 2025. Se realizan a través de un formulario, en el que se solicitan datos académicos, Título de Doctor/a y CV actualizado.
