En un destacado evento académico que reunió a profesionales y estudiantes en el ámbito de la ciencia de datos, se llevó a cabo la primera versión del Congreso del Núcleo de Investigación en Data Science (NIDS), en una iniciativa que abordó la exploración y discusión de las últimas tendencias, oportunidades y aplicaciones en el mundo de la investigación impulsada por datos, destacando su impacto multidisciplinario y las perspectivas que ofrece para el avance del conocimiento en diversas áreas del saber.

“Es una gran alegría estar acá, esto un hito importante para el Núcleo de investigación en Data Science, para la Facultad de Ingeniería y Negocios y también para la Universidad. Aquí vamos a conocer cómo nuestros estudiantes de nuestra carrera de Ingeniería de Ejecución en Informática están trabajando en temas de investigación, bajo la dirección de los académicos del núcleo, algo que nos pone muy contentos”, indicó el Decano de la Facultad de Ingeniería y Negocios, Gonzalo Islas.

El NIDS se erige como una entidad líder en la promoción y desarrollo de la ciencia de datos en el ámbito académico. Su misión principal es fomentar la investigación avanzada en este campo multidisciplinario, y abordar desafíos contemporáneos mediante la aplicación de técnicas innovadoras de análisis de datos.

En ese sentido, Dante Travisany, Director del Núcleo de Investigación de Data Science, comentó durante la actividad que: “este congreso es el primero que hacemos y tenemos que pensar que nuestro núcleo lleva un poco más de un año funcionando. Quiero expresar el profundo agradecimiento a todos los estudiantes que han hecho posible esto, por su entusiasmo, pasión y la investigación que han desarrollado a través de la ciencia de datos, también, que van a hacer la fuerza impulsora de este congreso”.

El encuentro contó con seis charlas de expositores de UDLA, entre ellos, la estudiante de último año de la carrera de Ingeniería de Ejecución en Informática, Yuritza Aros, quien presentó en el congreso su avance de tesis denominada “Generación de disposiciones moleculares 2D mediante autómatas celulares”.

“Mi estudio se trata de generar estructuras moleculares en dos dimensiones, trabajar cómo ha ido evolucionando, en este caso las moléculas, dependiendo de sus números atómicos. Tratamos de ver si en algún otro momento se puede conectar con otro elemento y así poder mutar, y generar diferentes moléculas”, indicó.

Por otro lado, en el congreso se realizaron ponencias como “Teoría del aprendizaje para Deep Learning: control de errores de aprendizaje y cuantificación de incertidumbre”, dirigido por el académico Mircea Petrache, donde su presentación proporcionó una visión profunda de los aspectos teóricos, al ilustrar de manera tangible la relevancia y las implicaciones prácticas de estos conceptos en el panorama actual de la ciencia de datos.