Talleres Corporativos

Creá con IA una herramienta pequeña para una tarea recurrente de tu trabajo y aprendé a comprobar si funciona correctamente, con acompañamiento paso a paso.

• Empezar con una herramienta que resume notas de reuniones, con todo preparado para trabajar.
• Describirle una tarea a la IA, probar la herramienta que genera y comprobar sus resultados con ejemplos.
• Mostrar qué hace tu herramienta, explicar dónde falla e identificar cuándo pedir ayuda a un profesional de software.

A quién está dirigido: Especialistas de operaciones, administración y otras áreas de negocio.

Horario: Día 1: 5 h 45 min; día 2: 6 h, más pausas y almuerzo

Preparación y alcance: Preparamos el espacio de trabajo y los ejercicios. Usamos datos de ejemplo salvo que acordemos otra política de datos. Vas a mostrar una herramienta pequeña durante el taller; un profesional de software debe revisarla antes de usarla en el trabajo cotidiano.

Duración: 2 días

Formato: Taller práctico con acompañamiento paso a paso

Requisitos: No se necesita experiencia de programación. Traé una tarea recurrente para trabajar; también hay proyectos guiados disponibles.

Convertí experimentos aislados con IA en un plan por etapas con compromisos claros de liderazgo y medidas de avance.

• Escribir un compromiso personal de liderazgo con una fecha y una medida de avance.
• Comparar enfoques de capacitación y adopción a partir de casos organizacionales y elegir uno adecuado para tu contexto.
• Redactar un plan por etapas, decidir cuándo continuar o detenerse y cómo aprovechar el tiempo que libere la IA.

A quién está dirigido: Líderes de ingeniería y de negocio responsables de la adopción de IA.

Horario: 6 horas, más pausas y almuerzo

Preparación y alcance: Traé un desafío de adopción y una descripción de lo que tu organización ya intentó. Vas a escribir durante la sesión y llevarte un borrador para ajustar e implementar en tu organización.

Duración: 1 día

Formato: Jornada de trabajo

Requisitos: Un rol de liderazgo y un desafío de adopción en tu organización para trabajar durante la sesión.

Ayudá a un colega a reproducir un resultado de investigación sin depender de tu máquina ni de instrucciones de configuración que solo vos conocés.

• Intentar reproducir un resultado, identificar instrucciones faltantes y registrar las versiones exactas del software y los datos.
• Agregar controles sobre los resultados y verificar o aislar cambios sin comprobar, incluidos los generados con IA.
• Hacer que un colega reproduzca el resultado y documentar el trabajo pendiente con responsables y próximos pasos.

A quién está dirigido: Investigadores cuyo código, modelos o análisis deben poder reproducirse por otras personas.

Horario: Día 1: 5 h 45 min; día 2: 6 h, más pausas y almuerzo

Preparación y alcance: Acordamos un resultado y un repositorio abordables antes de la sesión. Si tu código es confidencial o demasiado grande para el taller, usá datos anonimizados adecuados para el ejercicio o el repositorio de práctica provisto. La prueba de reproducción cubre el resultado elegido y las condiciones documentadas.

Duración: 2 días

Formato: Taller práctico

Requisitos: Poder ejecutar scripts de investigación y hacer modificaciones básicas. Usá un repositorio de alcance acordado antes del taller o uno de práctica provisto para la sesión.

Practicá computación numérica prestando atención a la reproducibilidad, la estabilidad numérica y la precisión.

• Aritmética de punto flotante y errores numéricos
• Estabilidad de algoritmos y condicionamiento
• Prácticas de álgebra lineal
• Marcos de reproducibilidad

Duración: 2 días

Formato: Taller práctico

Requisitos: Conocimientos básicos de programación

Medí dónde consume tiempo el código Julia y compará formas de mejorarlo mediante optimización y cómputo paralelo.

• Medición de tiempos y comparación de rendimiento
• Ejecución con varios hilos y procesos en paralelo
• Computación GPU con CUDA.jl
• Estabilidad de tipos y optimización del compilador

Duración: 3 días

Formato: Laboratorio intensivo práctico

Requisitos: Conceptos básicos de Julia, álgebra lineal

Practicá el uso de asistentes de IA para escribir y revisar software científico, y comprobar el código generado mediante pruebas.

• Ingeniería de prompts para generación y depuración de código
• Refactorización y documentación asistida por IA
• Pruebas de código científico generado por IA
• Trabajo con asistentes de IA y comprobación de sus respuestas
• Limitaciones y estrategias de validación

Duración: 2 días

Formato: Taller interactivo con ejercicios prácticos

Requisitos: Conocimientos básicos de programación, familiaridad con Python o Julia

Combiná aprendizaje automático con modelos físicos y ecuaciones diferenciales, y evaluá las predicciones y su incertidumbre.

• Redes neuronales informadas por física (PINNs)
• Ecuaciones diferenciales ordinarias neuronales y métodos para resolverlas
• Cuantificación de incertidumbre
• Validación y comparación del rendimiento de modelos

Duración: 4 días

Formato: Capacitación intensiva práctica

Requisitos: Conceptos básicos de aprendizaje automático, cálculo y álgebra lineal

Practicá cómo compartir y revisar código de investigación con Git, combinar cambios y resolver conflictos.

• Ramas de Git, combinación de cambios y reorganización de commits.
• Revisión de código y solicitudes de integración de cambios.
• Estándares de desarrollo colaborativo.
• Conceptos básicos de integración y entrega continuas (CI/CD) para software científico.

Duración: 1 día

Formato: Taller con ejercicios prácticos

Requisitos: Familiaridad básica con control de versiones

Practicá cómo reorganizar prototipos de investigación para que un equipo pueda ejecutarlos, probarlos y mantenerlos. RSE significa ingeniería de software de investigación.

• Diseño de arquitectura modular
• Desarrollo y publicación de interfaces de programación (APIs)
• Ingeniería de procesos de datos
• Registro del comportamiento del software y diagnóstico de fallas

Duración: 3 días

Formato: Taller con refactorización en vivo

Requisitos: Código de investigación para reorganizar y facilitar su uso y mantenimiento en equipo

Compará formas de organizar componentes de software, definir interfaces y gestionar dependencias a medida que crece un proyecto.

• Diseño de lenguajes específicos de dominio (DSL)
• Arquitectura y herramientas de monorepo
• Inversión de dependencias y desacoplamiento
• Patrones de integración de sistemas

Duración: 4 días

Formato: Taller de arquitectura + casos de estudio

Requisitos: Experiencia en ingeniería de software

Escribí pruebas para cálculos científicos y practicá el desarrollo guiado por pruebas: escribir una prueba que falle, implementar el comportamiento y mejorar el código.

• Desarrollo guiado por pruebas (TDD).
• Pruebas de componentes, de integración y del sistema completo.
• Medición del código cubierto por pruebas y criterios de calidad.
• Pruebas para cómputo científico y precisión numérica.
• Simulación de dependencias, preparación de casos y gestión de datos de prueba.
• Ejecución automática de pruebas al integrar cambios de código.

Duración: 2 días

Formato: Taller con ejercicios de desarrollo guiado por pruebas

Requisitos: Conocimiento práctico de al menos un lenguaje de programación

Representá imágenes como matrices numéricas y escribí scripts para repetir un análisis sobre muchas imágenes. Comprobá los resultados con ejemplos.

• Operaciones con matrices NumPy y representación de imágenes
• Scikit-image para filtrado y segmentación
• Estrategias de procesamiento por lotes y E/S de archivos
• Integración con Pandas para resultados cuantitativos
• Métricas de control de calidad y validación

Duración: 3 días

Formato: Taller práctico

Requisitos: Conocimientos básicos de Python

Construí herramientas de análisis para Napari, un visor de imágenes multidimensionales para Python, y agregá controles gráficos para tus colegas.

• Arquitectura de Napari y ecosistema de plugins
• MagicGUI para desarrollo rápido de interfaces
• Diseño de controles gráficos y pasos que sigue el usuario
• Estándares de pruebas y documentación
• Publicación de paquetes en PyPI y gestión de versiones

Duración: 2 días

Formato: Taller práctico

Requisitos: Dominio de Python, experiencia básica en análisis de imágenes

Practicá el entrenamiento y la evaluación de modelos de microscopía. Examiná la calidad de las anotaciones, los errores de predicción y los límites al aplicar un modelo a imágenes nuevas.

• Preparación de anotaciones de referencia y control de calidad
• Selección de arquitectura de modelos (StarDist, Cellpose, U-Net)
• Procesos de entrenamiento basados en la nube (optimización GPU)
• Métricas de validación y análisis de errores
• Ejecución de modelos entrenados y seguimiento de sus predicciones

Duración: 4 días

Formato: Taller práctico

Requisitos: Python, NumPy, conceptos básicos de aprendizaje automático

Compará e implementá enfoques avanzados de aprendizaje profundo para imágenes científicas, incluido aprender con datos sin etiquetar y combinar distintos tipos de datos.

• Arquitecturas personalizadas de CNN y transformers
• Aprendizaje auto-supervisado y no supervisado para datos de imágenes
• Fusión de datos multimodales (ej. imágenes + secuenciación)
• Técnicas avanzadas de segmentación de imágenes (ej. segmentación panóptica)
• Modelos generativos para restauración y aumento de imágenes

Duración: 5 días

Formato: Taller práctico

Requisitos: Python, PyTorch, experiencia con modelos de aprendizaje profundo

Traducí preguntas biológicas a modelos matemáticos y explorá su comportamiento mediante simulación y análisis.

• Modelado basado en ecuaciones diferenciales ordinarias (EDO)
• Estimación de parámetros y análisis de sensibilidad
• Análisis de bifurcaciones y multiestabilidad
• Modelado estocástico de procesos biológicos
• Análisis de redes de rutas biológicas

Duración: 4 días

Formato: Taller práctico

Requisitos: Python, cálculo, álgebra lineal, conceptos básicos de biología