Author name: CDIA UdeC

Andrés Navas, Ingeniero Civil Industrial, es actualmente Engineering Manager & Data Scientist en Eleven Solutions, donde aplica sus conocimientos en ciencia de datos para la toma de decisiones estratégicas. Con una sólida carrera en el ámbito de la innovación y el emprendimiento, ha trabajado como COO en CICLA 3D y como analista financiero en CFO Remoto. A continuación, nos comparte su experiencia en el Magíster en Ciencia de Datos para la Innovación (MACI). ¿Qué te motivó a cursar el MACI? Parte de mi motivación por entrar a un programa relacionado a ciencia de datos era poder complementar mi conocimiento y experiencia con una disciplina que permitiera respaldar la toma de decisiones en base a información y que entregara las herramientas para tener esa información disponible en las condiciones necesarias. ¿Cómo describirías tu experiencia en el magíster y qué aspectos destacas? Del magíster, agradezco haber tenido un buen grupo humano que indudablemente enriquece la experiencia y el pasar por el programa. También, de este grupo de personas pude aprender, y he seguido aprendiendo desde las experiencias y conocimientos que cada uno acarrea. Sin duda, la pasantía en IACS de Harvard fue una experiencia sumamente enriquecedora desde todo lo que pude aprender con una perspectiva técnica, como también el valor que entrega poder estar en los ecosistemas que concentran a miles de personas extremadamente talentosas y capaces, y acortar la brecha con ellos. Estar ahí, ver y ser parte, también nos ayuda a poner en perspectiva que las herramientas y los conocimientos que adquirimos a lo largo del programa son la base de la vanguardia tecnológica en nuestra materia. ¿Cuáles son las habilidades más importantes que desarrollaste con el programa y cómo han aportado en tu carrera profesional? Durante el MACI, desarrollé habilidades clave como el análisis avanzado de datos, modelamiento predictivo y el uso de herramientas de machine learning. Estas habilidades han sido fundamentales para mejorar mi capacidad de extraer insights valiosos de grandes volúmenes de datos y aplicar esos conocimientos en la toma de decisiones estratégicas. El programa no solo me brindó una sólida base técnica, sino que también me enseñó a estructurar proyectos de ciencia de datos de manera efectiva, desde la recopilación hasta la implementación, lo que ha sido crucial para impulsar mi carrera. ¿Recomendarías el programa a otros profesionales? Si es así, ¿Por qué? Creo que el MACI es una gran oportunidad para los profesionales que quieren iniciarse en esta disciplina. No solo proporciona una formación técnica robusta en ciencia de datos, sino que también se enfoca en la aplicación práctica de esos conocimientos. La interacción con un grupo diverso de profesionales y el ambiente colaborativo enriquecen la experiencia de aprendizaje, permitiendo aplicar lo aprendido en situaciones reales. Es una excelente opción para quienes buscan especializarse en un campo tan dinámico y cambiante, como también complementarlo con habilidades de innovación. ¿Cómo ves el rol de la ciencia de datos en el futuro de la innovación? ¿Crees que el magíster te ha preparado para esos desafíos? La ciencia de datos va a ser un pilar fundamental en la innovación futura, facilitando decisiones más informadas, optimizando procesos y abriendo nuevas oportunidades de negocio. Con el avance de la inteligencia artificial y el machine learning, la capacidad de interpretar y utilizar datos será cada vez más crucial. Indudablemente, el MACI me ha ayudado a conectar con esta materia y a entender de buena forma los tópicos que la rodean.

El Centro de Datos e Inteligencia Artificial (CDIA UdeC) fue cede de un workshop junto al equipo de CMPC, para discutir en torno a uno de los proyectos en desarrollo para este último hace ya aproximadamente dos años. Dicho proyecto, que actualmente se encuentra en mejora continua, ha evolucionado en estos años y se halla en producción y operando dentro de la planta, sin embargo, existen problemáticas asociadas a este sistema. La instancia contó con la participación de ingenieros de Proyectos del CDIA UdeC y data Scientist de CMPC, además de la presencia de académicos del Departamento de Informática de la Facultad de Ingeniería, docentes no involucrados en el proyecto, pero expertos en el área. Esto permitió darles a conocer el problema, la solución propuesta y las principales dificultades a las que se ha visto afectada en la práctica a lo largo de su implementación. Generando así, una discusión, el replanteamiento de algunas ideas e hipótesis y la búsqueda de alternativas para incorporar nuevos elementos que permitan mejorarlo. “A menudo, cuando se implementa una solución, se generan hipótesis sobre los problemas que se han enfrentado. Sin embargo, es posible equivocarse al formular estas hipótesis, lo que significa que podría no ser correcta. Con el tiempo, uno puede darse cuenta de este error, pero cuando se trata de un proyecto que ya está en una etapa avanzada, puede ser difícil retroceder para corregirlo” comentó Manuel Pérez, CTO del CDIA UdeC. “Espacios como este nos permite gestionar estos posibles errores, asegurándonos de que las hipótesis planteadas a lo largo del proyecto son válidas. Además, nos ayudan a identificar brechas en el sistema que podrían mejorarse. A través de la discusión, podemos explorar cómo abordar estas brechas y crear un plan para mejorar nuestro sistema en el futuro. En última instancia, el objetivo es que nuestro sistema mejore y funcione de la mejor manera posible”, añadió.

Los miembros del bróker están distribuidos en estas dos ciudades, por lo que cada ciertos meses se reúnen presencialmente para delinear las estrategias y retos que tiene el proyecto en el corto y mediano plazo. Por una semana, y teniendo con sede las oficinas del Data Observatory (DO) en Santiago, investigadores e investigadoras del bróker ALeRCE trabajaron en definir lo que serán las principales tareas del bróker en el segundo semestre. La próxima puesta en marcha del Legacy Survey of Space and Time (LSST) del Observatorio Vera Rubin, programado para el 2025, y el cambio de servidores del bróker, gracias a la alianza establecida con la Red para investigación y educación de Chile (REUNA), se vislumbran como los principales desafíos para ALeRCE en los meses que quedan del 2024. Actualmente, ALeRCE trabaja procesando los datos del telescopio Zwicky Transient Facility (ZTF) siendo capaz de procesar hasta 200 mil alertas por noche. Es esta capacidad, y el trabajo realizado por el equipo, lo que lo hizo ser nombrado el único bróker chileno y latinoamericano para trabajar con los datos del Observatorio Vera Rubin y es por eso que su próxima puesta en operación significa un gran hito para el proyecto. “Tenemos dos metas importantes estos meses: mover la pipeline de procesamiento de alertas a nuestros servidores en REUNA, a pesar de que los servicios para usuarios seguirán corriendo en Amazon Web Services, y preparar el sistema para procesar más de un survey a la vez, por ejemplo, ZTF + Vera Rubin. Para esta última tarea es necesario rediseñar la base de datos, adaptar la pipeline y adaptar los servicios (API, interfaces, páginas web, etc.)”, explica Ignacio Reyes Jainaga, jefe del equipo de ingenieros de ALeRCE. Dos tareas que requieren perfecta coordinación, lo que justificó la semana de trabajo conjunto que tuvieron los equipos de Santiago y Concepción, con el fin de identificar estrategias para optimizar el flujo de trabajo. ALeRCE es un proyecto conjunto del Instituto Milenio de Astrofísica, junto al Centro de Modelamiento Matemático de la Universidad de Chile (CMM), el DO y el Centro de Datos e Inteligencia Artificial de la Universidad de Concepción, y sus miembros están localizados en las dos ciudades donde tienen sede estas instituciones. “Como los miembros estamos repartidos entre Santiago y Concepción, y algunos integrantes de ALeRCE son nuevos, era importante reunirnos para hacer un diagnóstico del funcionamiento interno de los equipos para identificar dificultades, además de reestructurar los sprints de trabajo (nuestro trabajo está dividido en ventanas de 4 semanas), revisar la carta Gantt del 2do semestre y definir cuáles serán los equipos de trabajo al interior de ALeRCE luego de fiestas patrias”, concluye Reyes.

El proyecto de recolección de datos geoespaciales e Inteligencia Artificial para la gestión sustentable de recursos naturales se adjudicó el capital Semilla Inicia para Empresas Lideradas por Mujeres, gracias a la convocatoria realizada por la Corporación de Fomento (CORFO). Dicho capital cofinancia actividades para la validación técnica y comercial del producto/servicio, además de dar acceso a servicios de apoyo para el desarrollo del negocio. En esa línea la CEO de Deep-Hub, Karla Cerda, comentó: “Esto nos va a permitir poder realizar validación técnica de algunas cosas que están pendientes, pero lo más importante es que vamos a poder realizar una validación comercial y una estrategia comercial, para así tener nuestras primeras ventas”. “También uno de los objetivos con este fondo y con los recursos que nos entrega es la formalización de la empresa y bueno, continuar con los desarrollos que hemos tenido un poco parados, ya que no teníamos recursos para poder seguir avanzando con Deep-Hub”, agregó Karla. “Semilla Inicia para Empresas Lideradas por Mujeres” está orientado a apoyar emprendimientos innovadores, esto es, proyectos que presenten un nuevo o mejorado producto o servicio respecto de otras soluciones ya disponibles, que corresponda a una creación del equipo emprendedor y tenga potencial para expandirse a nuevos mercados.

Ya están en marcha los 14 estudiantes que se encuentra cursando el Diploma en Inteligencia Artificial de la Universidad de Concepción, programa que les permitirá obtener los conocimientos y herramientas necesarias para incluir Inteligencia Artificial en sus campos de acción. Con foco en machine learning y optimización de operaciones, los estudiantes podrán mejorar la eficiencia en los procesos y la toma de decisiones. Serán cinco meses que se dividirán en seis módulos: Introducción a la Inteligencia Artificial, Programación en Python, Machine Learning, Optimización, Deep Learning, y Procesamiento de Lenguaje Natural. Potencia tus habilidades e impulsa tu futuro con el Diploma en Inteligencia Artificial