Optimización matemática: una brújula para la toma de decisiones complejas

 Dra. Gabriela Corsano. Licenciada en Matemática Aplicada y Doctora en Ingeniería. Universidad Nacional del Litoral (UNL)

01 de septiembre - 14:00 hs

En esta charla presentaremos dos proyectos de transferencia desarrollados en conjunto con empresas nacionales, que ilustran cómo la optimización matemática puede convertirse en una herramienta eficiente de apoyo a la toma de decisiones en el sector productivo.

El primer caso es SPA (Sistema de Planificación de Aserraderos), un software desarrollado para aserraderos del Nordeste Argentino, mientras el segundo refiere a la planificación semanal de recolección de residuos patológicos de una empresa santafesina. A través de ambos casos, veremos cómo un modelo de programación matemática, integrado en una interfaz accesible, permite a personas sin formación en optimización mejorar sustancialmente la eficiencia de procesos productivos y logísticos. La charla busca mostrar que la investigación operativa no es solo una disciplina teórica, sino una herramienta con impacto real y medible en la industria, capaz de transformar procesos de decisión intuitivos en procesos sistemáticos, trazables y eficientes.

¿Cuándo un modelo está listo? Métricas, tiempos y decisiones en aprendizaje automático

 fACUNDO pEREYRA - eSTUDIANTE DE LICENCIATURA EN MATEMÁTICA

16 de junio - 14:00 hs

El despliegue de modelos exige un balance constante entre el rigor técnico y la agilidad operativa, en esta charla, analizaremos por qué, en producción, el criterio del Data Scientist es clave para decidir cuándo un modelo es 'suficiente' para operar. Veremos cómo la ingeniería de características y el aprendizaje no supervisado permiten gestionar datos dinámicos y ruidosos y cómo herramientas de interpretabilidad nos ayudan a validar que, aunque seamos permisivos con ciertas métricas para acelerar la puesta en producción, el modelo siga siendo robusto y fiel a la realidad del problema.

PageRank y las matemáticas de googlear

 Santiago Joaquin Fada, estudiante de Licenciatura en Matemática Aplicada

08 de junio - 14:00 hs

Buscar en internet parece una acción casi trivial, escribimos unas palabras, presionamos enter y recibimos una lista de resultados. Pero detrás de ese gesto cotidiano aparece una pregunta menos evidente, ¿cómo decidir qué página debería aparecer primero entre millones de posibilidades?

En esta charla vamos a recorrer la historia y la idea detrás de PageRank, uno de los algoritmos que estuvo en el origen de Google como buscador. El objetivo será mostrar cómo un problema muy concreto, puede conducir a una construcción matemática elegante, apoyada en herramientas de álgebra lineal, probabilidad y matemática discreta.

La charla no busca explicar cómo funciona Google hoy, tarea que probablemente ni Google quiera explicar del todo, sino reconstruir una de las ideas que cambió la forma de buscar información en internet y que llegó a convertirse en uno de los algoritmos más influyentes de la actualidad.

FAMAF en el mundial de programación competitiva

 Jeremías Broin Luque (LCC), Tiziano Arduino Brunelli Della Mea (LM) y Eduardo Carranza Velez (LMa) - Equipo Helicoptero 

11 de mayo - 14:00 hs

En esta charla vamos a explicar qué es la programación competitiva y sus instancias, contar nuestra experiencia, y ver aplicaciones de algoritmos para resolver problemas teniendo en cuenta la complejidad computacional de la solución.

Descifrando la dinámica del calcio celular: clasificación de respuestas a luz y plasticidad en la retina de vertebrados 

 Maximiliano Ríos, Bioquímico y Dr. en Ciencias Químicas - Facultad de Ciencias Químicas (UNC) 

04 de mayo - 14:00 hs

En vertebrados, la retina no solo permite la visión, sino que también detecta señales luminosas que regulan múltiples funciones celulares. Dentro de ella, las células gliales de Müller, cumplen un rol central en la homeostasis retinal y poseen un importante potencial de plasticidad y regeneración celular.

Nuestros estudios muestran que las células de Müller en cultivo, presentan fotosensibilidad intrínseca mediada por opsinas sensibles a luz azul, activando vías de señalización intracelular como calcio y AMPc, capaces de regular procesos proiferacion y dediferenciación celular a progenitores neurales. Sin embargo, estas respuestas no son homogéneas, sino que existen subpoblaciones con diferentes dinámicas funcionales.

A partir de registros de imágenes de calcio por microscopía de fluorescencia, el análisis mediante transformada continua wavelet y la aplicación de modelos de aprendizaje no supervisado, permite identificar patrones ocultos en las señales celulares y clasificar subpoblaciones según su dinámica de respuesta a la luz o a tratamientos farmacológicos.

Este seminario propone una mirada interdisciplinaria donde convergen biología celular, matemática, ciencia de datos e inteligencia artificial para comprender cómo las células procesan información y toman decisiones biológicas complejas.

Actividad eléctrica atmosférica: de la física al Machine Learning

 Melina Yasmin Luque, Dra. en Física, Prof. de FaMAF-UNC e Investigadora de CONICET 

27 de abril - 14:00 hs

La actividad eléctrica atmosférica es un fenómeno global complejo y con una importante injerencia en nuestra región. En esta charla exploraremos el desafío matemático y computacional que implica su estudio y predicción. Abordaremos el problema desde dos frentes: primero, el enfoque físico-determinista mediante modelos meteorológicos (como WRF) que buscan aproximar numéricamente las ecuaciones de Navier-Stokes; y segundo, el enfoque empírico, implementando técnicas de Machine Learning para procesar y extraer patrones de volúmenes masivos de datos reales provenientes de radares, satélites y redes de detección terrestres.

Aplicaciones de IA y machine learning en el descubrimiento de nuevos fármacos

 Alan Talevi, UNLP - Investigador de CONICET 

23 de abril - 14:00 hs

¿Puede la inteligencia artificial acelerar el desarrollo de nuevos medicamentos? En esta charla, exploramos cómo Boolzi, una empresa de base tecnológica incubada en la UNLP, utiliza inteligencia artificial para transformar el descubrimiento de fármacos. A través de machine learning y quimioinformática, es posible diseñar y optimizar compuestos con actividad farmacológica de manera más rápida, eficiente y precisa, reduciendo costos y mejorando las tasas de éxito desde etapas tempranas del desarrollo de medicamentos.

Integración de Aprendizaje por Refuerzo y Transformers en sistemas de recomendación de e-commerce

PEDRO SALOMONE (FAMAF)

06 de abril - 14:00 hs

¿Cómo ayudarle a un vendedor a tomar mejores decisiones en una plataforma como Mercado Libre? En esta charla se presentará un enfoque novedoso que combina Aprendizaje por Refuerzo y arquitecturas Transformer para recomendar acciones estratégicas a vendedores, optimizando métricas de negocio a largo plazo.

A diferencia de los sistemas de recomendación clásicos, que predicen el próximo ítem que le gustará a un usuario, este problema exige razonar sobre secuencias de decisiones con efectos diferidos: ajustar precios, mejorar publicaciones, activar publicidad. Se modela este proceso como un MDP (Markov Decision Process) y exploramos cómo arquitecturas como Decision Transformer permiten aprender políticas directamente desde datos históricos, sin necesidad de interacción online con el entorno.