Convocatoria abierta de pósters para el Congreso CICADA: Ciencia de Datos, Aprendizaje Automático e Inteligencia Artificial

Hasta el próximo lunes 15 de setiembre se encuentra abierto el segundo llamado a presentación de pósters para participar del 1er Congreso CICADA: Ciencia de Datos, Aprendizaje Automático e Inteligencia Artificial.

El congreso busca vincular integrantes y referentes de la academia, el gobierno y la industria en el amplio marco de la Ciencia de Datos, el Aprendizaje Automático y la Inteligencia Artificial para potenciar el desarrollo de estas disciplinas en el país.

Si te desempeñas en alguna de esas áreas puedes presentar tu proyecto, en formato póster, en el congreso que se llevará adelante entre el 5 y 7 de noviembre en la Facultad de Ingeniería de la Universidad de la República.

El congreso reunirá a participantes de la academia, la industria y el gobierno, con el objetivo de fortalecer la comunidad nacional, promover la colaboración regional y acercar investigadores en formación a estas metodologías.

Presentación del proyecto

Para participar del Congreso CICADA: Ciencia de Datos, Aprendizaje Automático e Inteligencia Artificial con la presentación de pósters, el resumen deberá enviarse junto con el póster. Además, quienes lo necesiten podrán realizar breves demostraciones de sus proyectos.

El texto podrá tener hasta 500 palabras, debe presentar el problema, la metodología de trabajo, si es un trabajo en marcha o culminado y los resultados – preliminares o finales – a presentar.

¿Qué es un póster?

En el contexto de un congreso, un póster es como un “afiche académico” que muestra lo más importante de una investigación o trabajo. Suele explicar qué se investigó, cómo se llevó a cabo, qué se encontró y por qué es importante.

¿Qué precisás para postular tu póster al Congreso?

- Enviar un resumen escrito del trabajo.

- Puedes diseñar e imprimir tu póster después, tras ser aceptado.

Serán bienvenidos trabajos en español, portugués o inglés que contribuyan en los siguientes ejes:

Fundamentos y Métodos en Ciencia de Datos, Machine Learning e Inteligencia Artificial.

Se buscan avances en modelos y algoritmos, incluyendo aprendizaje supervisado, no supervisado y por refuerzo. Son relevantes los enfoques en modelos generativos, aprendizaje profundo, explicabilidad y evaluación en entornos reales.

Aplicaciones en Ciencia de Datos, Machine Learning e IA.

Se valoran aplicaciones en ciencias de la vida, salud, medio ambiente, finanzas, industria, ciencias sociales y educación. También se incluyen IA en políticas públicas, datos abiertos y desarrollo sustentable.

Ciencia de Datos Responsable y Ética en IA.

Interesan estudios sobre sesgos, transparencia, privacidad, gobernanza y regulaciones. Se priorizan enfoques en IA ética, impacto social y su uso para el bien común.

Infraestructura, Datos y Herramientas para Ciencia de Datos.

Se buscan aportes en gestión y calidad de datos, ingeniería de características, big data, computación en la nube y edge computing. También se incluyen estándares FAIR y modelado de datos.

Innovación y Casos de Éxito.

Se valoran experiencias de adopción de IA en empresas, startups, industria, organizaciones gubernamentales, etc.. Son relevantes los desafíos de escalabilidad, impacto y colaboración academia-industria.

Por más información o consultas podrán contactarse vía mail a cicada@ei.udelar.edu.uy