Banco de PPS+PI

Director: Dra. Virginia Cifuentes mvcifuentes@pladema.exa.unicen.edu.ar

Resumen:
Desarrollar una plataforma avanzada que integre diferentes fuentes de datos, como las anotaciones de profesionales y el rendimiento en actividades recreativas y cognitivas, con el fin de generar resúmenes automatizados utilizando modelos de lenguaje natural (LLM).
Estos resúmenes están dirigidos a profesionales de la salud, cuidadores y familiares, y ofrecerán una visión del estado del usuario y de su evolución.

La plataforma tendrá la capacidad de integrar y analizar datos ya disponibles en BBDD no relacionales, como comentarios cualitativos y observaciones diarias registradas por profesionales, cuidadores o terapeutas; también el ritmo cardíaco, nivel de oxígeno en sangre, temperatura corporal, entre otros parámetros vitales que fueron capturados durante una actividad; así también la performance y la duración de estas actividades realizadas por el usuario, como juegos cognitivos, tareas recreativas o juegos en entornos virtuales inmersivos.

Al participar en este proyecto, los estudiantes de Ingeniería de Sistemas aprenderán a integrar y procesar datos heterogéneos de fuentes biológicas y comportamentales, desarrollando una plataforma avanzada que genera resúmenes automatizados mediante modelos de lenguaje natural (LLM). Adquirirán experiencia en análisis de datos biométricos y cualitativos, diseño de software, y desarrollo de sistemas interactivos enfocados en el bienestar. Además, trabajarán en equipos multidisciplinarios, colaborando con profesionales de la salud, lo que les permitirá aplicar sus conocimientos teóricos a problemas reales y mejorar sus habilidades de trabajo en equipo.

Vacantes:
4 estudiantes – Posibilidad de trabajar en parejas de 2 estudiantes.

Director: Daniela Godoy – Silvia Schiaffino

Resumen: La propagación de desinformación y el discurso de odio en medios sociales a través de Internet se ha convertido en una problemática crítica a nivel mundial. En los últimos años se ha incrementado notablemente tanto la diseminación de noticias falsas (fake news), rumores, engaños y otras formas de desinformación, como así también el uso de lenguaje abusivo, la incitación a la violencia, acoso y otras formas de discurso de

odio. Ambos aspectos dan lugar a lo que se conoce como “daños online” con potencialmente graves consecuencias para las personas y la sociedad que van desde problemas de salud pública hasta la disrupción de sistemas democráticos. El presente proyecto está orientado a la definición de nuevos algoritmos y sistemas de recomendación tendientes a mitigar los efectos negativos del contenido dañino online. 

Vacantes: 3

Director

Carlos A. Bulant
https://www.researchgate.net/profile/Carlos-Bulant
carlos.alberto.bulant@gmail.com

 

Web:

https://www.pladema.net/ | https://yatiris.github.io/ | http://hemolab.lncc.br/  

 

Resumen:

Las PPS se desarrollarán en el marco de proyectos de investigación cuyo objetivo último es  generar herramientas que mejoren el diagnóstico y la estimación de riesgo de eventos cardiovasculares adversos importantes.

A grandes rasgos, el flujo de trabajo se resume en los siguientes pasos:

  1. i) procesamiento de imágenes (angiotomografía coronaria, o ultrasonido-intravascular, entre otras);
  2. ii) generación de un modelo arterial paciente-específico;

iii) caracterización geométrica su la anatomía arterial;

  1. iv) simulación de fluidos para estimar diversos índices hemodinámicos;
  2. v) combinar los resultados de las operaciones anteriores junto con información clínica del paciente para estratificar el riesgo de evento cardiovasculares adversos importantes. 

De acuerdo a los intereses del estudiante, y al estado actual del proyecto, se podrán realizar la PPS+TI en alguno de los pasos de la metodología descripta.

 

Vacantes:

4 estudiantes – Posibilidad de trabajar en grupos de 2 estudiantes.

Director

Carlos A. Bulant
https://www.researchgate.net/profile/Carlos-Bulant
carlos.alberto.bulant@gmail.com

 

Web:

https://www.pladema.net/ | http://www.vet.unicen.edu.ar/HEPA/ | http://www.vet.unicen.edu.ar/HEPA/index.php/investigacion/laryngocube  

 

Resumen

Las PPS se desarrollarán en el marco de una colaboración vigente entre el Hospital de Pequeños Animales (HEPA) Facultad de Ciencias Veterinarias de la UNICEN y el Instituto PLADEMA de la Facultad de Ciencias Exactas de la UNICEN.

De acuerdo a los intereses del estudiante, y al estado actual de los proyecto, se podrán realizar la PPS+TI en alguna de las siguientes líneas:

– Desarrollo de un prototipo de Aceleromiógrafo, usando acelerómetros y arduino. 

– Extensión de funcionalidades de un simulador de monitor de signos vitales para el entrenamiento en anestesiología veterinaria.

 

Vacantes:

4 estudiantes – Posibilidad de trabajar en grupos de 2 estudiantes.

Directores: Martin Bradaschia / Leandro Gomez / German Imeroni
Resumen: El Centro de Datos mantiene más de 120 máquinas virtuales sobre 20 nodos con Xen Hypervisor, redundancia de almacenamiento con DRBD y gestionado con el software Ganeti. La versión actual de Ganeti es 2.16, lanzada en el año 2015 y sin soporte para continuar actualizando. El trabajo de PPS consiste en los siguientes pasos:
1- Buscar y clasificar los gestores de virtualización existentes en el mercado
2- Preseleccionar candidatos en base a requisitos de compatibilidad con el cluster actual y facilidad de migración
3- Instalar un cluster sobre nodos de prueba
4- Probar y documentar la migración de al menos dos servicios del cluster actual al nuevo
Vacantes: Preferentemente 2 integrantes
Requisitos: Tener aprobadas con 7 o más las materias Arquitectura de Computadoras I y II, Redes de Computadoras I y II, Sistemas Operativos
Lugar: Centro de Datos – Biblioteca Central
Horario: A definir dentro de la franja de 8 a 14 hs

Resumen: Se trata de construir la Red de Conocimiento para la Gestión
de un Proyecto, Emprendimiento, Área, Empresa u Organización a
través de la intervención de Inteligencia Artificial. Una vez que se
obtienen las respuestas a través de una Entrevista Semiestructurada, en
audio, texto o video, se procesa para reconocer los objetos y sus
relaciones.
Cantidad de estudiantes: 3
Director: Gustavo Tripodi

Los sistemas de control basado en lógica difusa (FLC, Fuzzy Logic Controller) son una alternativa a los controladores clásicos. Al no emplear modelos matemáticos para su funcionamiento, resultan especialmente útiles para procesos complejos y mal definidos, donde se necesita del conocimiento de un experto para el manejo de datos
imprecisos. Por otro lado, la utilización de dispositivos de lógica programable (FPGAs) para la implementación de sistemas de control en la industria se encuentra en constante crecimiento, debido a la diferentes ventajas que presenta. Entre ellas se encuentran la velocidad de procesamiento, debido al alto grado de paralelización; la flexibilidad, como consecuencia de la reconfiguración; y el reducido tiempo de desarrollo, debido al empleo de síntesis de alto nivel (HLS) automática. El objetivo de este trabajo es continuar el desarrollo de una herramienta que une estas dos tecnologías para adaptarla a los estándares de la industria y explorar formas de mejorar o extender su funcionalidad.

La PPS+PI propone tres mejoras específicas:

  • Agregar soporte de descripciones según estándar internacional IEC (International Electrotechnical Commision) 61131-7:2000, correspondiente a descripciones de controladores difusos en controladores programables industriales.
  • Automatizar el proceso de compilación para obtener una versión del controlador en VHDL o Verilog usando la descripción en C provista en la herramienta y las herramientas de Xilinx para síntesis de alto nivel.
  • Mejorar la interfaz de la herramienta para hacerla más amigable a
    los usuarios inexpertos.

Duración estimada: 5-6 meses. Para más detalles comunicarse con Martín Vázquez 1 y Luca Sarramone 2

1  mvazquez@labset.exa.unicen.edu.ar
2 lsarramone@intia.exa.unicen.edu.ar

Director: Dr. Martín Vázquez
CoDirector: Ing. Luca Sarramone
Lugar de Trabajo: INTIA
Cantidad de Alumnos/as: 1 o 2 alumnos

El trabajo se enmarca en un proyecto de investigación que se ejecuta en el Laboratorio de Sistemas Embebidos Tandil (LabSET) del INTIA. El trabajo consiste en la colaboración entre LabSET e ISISTAN, aprovechando la experiencia tecnológica del LabSET para llevar a cabo la migración de un modelo de Deep Learning diseñado por ISISTAN. El modelo implementa un estimador de la condición corporal (BCS) en vacas a partir de imágenes de profundidad. La condición corporal de los animales es un puntaje que evalúa la grasa corporal almacenada y el balance energético, que influye en la producción de leche, reproducción y salud. El monitoreo de este valor permite maximizar la producción y sanidad de los animales. Por otra parte, la evolución tecnológica de los dispositivos FPGA en la última década, en conjunto con la innovación de las herramientas, ha permitido la implementación de sistemas de inferencia complejos con capacidad de ejecución en tiempo real, con un reducido consumo de potencia.

En esta PPS+PI se propone la migración del modelo de Deep Learning entrenado para la estimación de condición corporal en vacas, hacia la tecnología FPGA. El trabajo comprende el entrenamiento en el uso de las herramientas de desarrollo para la tecnología (Vitis, Vitis HLS y Vitis-AI de AMD-Xilinx), el desarrollo de la plataforma considerando el dispositivo de captura de imágenes de profundidad, la implementación y evaluación del modelo en el dispositivo considerando efectividad y uso de recursos.

Director: Mg. Lucas Leiva

CoDirector: Dr. Matias Hirsch

Lugar de Trabajo: INTIA

Cantidad de Alumnos/as: 1 o 2 alumnos/as

Resumen: El trabajo se enmarca en un proyecto de investigación que se ejecuta en el Laboratorio de Sistemas Embebidos Tandil (LabSET) del INTIA. Las enfermedades parasitarias son uno de los principales problemas de la industria agropecuaria. Un monitoreo y control efectivo de estas infecciones permite reducir considerablemente las pérdidas. En la actualidad, el monitoreo requiere del muestreo y posterior análisis en laboratorios, lo que impone pérdidas de tiempo y económicas. Como objetivo se propone el desarrollo de un dispositivo portátil de análisis, que pueda ser utilizado en el campo por expertos veterinarios. El trabajo comprende la vinculación del LabSET, con el Centro de Investigación Veterinaria Tandil (CIVETAN) de la UNICEN, e InFoLab de Mar del Plata. Como antecedentes, se han realizado y publicado resultados de un modelo de Deep Learning para la automatización del conteo de huevos de parásitos, el cual fue compilado y evaluado en un dispositivo FPGA.

En esta PPS+PI se propone dos etapas principales, en donde la primera se corresponde con la migración de la solución existente a las versiones modernas de las herramientas. El modelo actual fue compilado utilizando las herramientas provistas en Vitis AI 1.4.1, y se pretende la migración a Vitis AI 3.5. La segunda etapa comprende el desarrollo e integración de una solución funcional embebida, con soporte de captura de imágenes desde un microscopio digital USB.

Director: Mg. Lucas Leiva

CoDirector: Ing. Bruno Constanzo

Lugar de Trabajo: INTIA

Cantidad de Alumnos/as: 1 o 2 alumnos/as

Resumen: El trabajo se enmarca en un PICT que se está ejecutando conjuntamente entre el Laboratorio de Sistemas Embebidos Tandil (LabSET) del INTIA y el Área de Parasitología y Enfermedades Parasitarias (Fac. Cs. Veterinarias-UNCPBA). En el PICT tiene como objetivo principal lograr la aplicabilidad del hongo nematófago Duddingtonia flagrans como agente de control biológico de nematodos gastrointestinales de importancia en la producción pecuaria, mediante la fabricación y administración de cápsulas de alginato en el agua de bebida.

En esta PPS+PI se propone abordar uno de las etapas del PICT que consiste en la realización de un sistema embebido de control IoT que posibilita la incorporación de las cápsulas en el bebedero. Para ello se partirá de un prototipo realizado en el proyecto, en el cuál analiza las imágenes capturadas desde el bebedero y determina si se debe, o no, proporcionar cápsulas al mismo. Además, se debe controlar nivel de agua del bebedero, la dosificación de cápsulas mediante el procesamiento de imágenes, registrar todas las acciones realizadas para posterior análisis off-line y soportes de conectividad para la configuración del sistema y/o transmisión de datos.

Director: Dr. Juan Toloza

CoDirector: Dr. Martín Vázquez

Lugar de Trabajo: INTIA

Cantidad de Alumnos/as: 1 o 2 alumnos/as

Resumen: El trabajo se enmarca en un proyecto de investigación que se ejecuta en el Laboratorio de Sistemas Embebidos Tandil (LabSET) del INTIA. El conocimiento de los agentes parasitarios intestinales de las mascotas que conviven más estrechamente con el hombre tiene implicancias en la salud humana, ya que estos agentes tienen la potencialidad de transmitirse al humano. A diferencia de la industria agropecuaria, el tratamiento se elige en función del tipo de parásito que infecta al animal. Es por ello que la automatización del diagnóstico mediante técnicas computacionales permitiría reducir los tiempos de tratamiento, evitando el análisis de laboratorio. El trabajo comprende la vinculación del LabSET, con el Centro de Investigación Veterinaria Tandil (CIVETAN) de la UNICEN, e InFoLab de Mar del Plata, y refuerza las colaboraciones previas realizadas entre los institutos para el conteo automático de huevos de parásitos aplicado en la industria agropecuaria.

En esta PPS+PI se propone el desarrollo de un modelo de Deep Learning para la clasificación de huevos de parásitos de pequeños animales. Como requisito, se explicita que el modelo generado debe cumplir con las restricciones necesarias para poder ser compilado e implementado en FPGA utilizando las herramientas provistas por AMD Xilinx (Vitis AI) en futuras versiones

Director: Mg. Lucas Leiva

CoDirector: Ing. Bruno Constanzo

Lugar de Trabajo: INTIA

Cantidad de Alumnos/as: 1 o 2 alumnos/as

Resumen:

En el SIU (Sistema de Información Universitaria) hemos desarrollado e implementado en la mayoría de las Universidades Nacionales desde hace varios años el SIU-Wichi. Dicho producto tiene por objetivo brindar una plataforma de análisis de datos integrando toda la información que gestionan las Universidades (académica, presupuestaria, de recursos humanos, etc.). Para dicha plataforma estamos utilizando Postgres + Pentaho + Saiku.

Además hemos desarrollado un producto propio para el análisis de datos.

En los últimos años se puede ver cómo ha crecido la cantidad y variedad de los productos orientados al BI (Business Intelligence) y se ha difundido su utilización. Muchos de ellos, los más evolucionados, son productos propietarios y utilizan modelos multidimensionales.

El objetivo de esta propuesta es el análisis, diseño y desarrollo de un prototipo para el análisis de datos basado en la generación de consultas SQL orientado al análisis completo de un datawarehouse más que el análisis compartimentado de cada datamart, ésta propuesta se basa en un producto que existió hace un tiempo llamado metacube (propiedad de IBM) que brindaba características que en la actualidad no son fáciles de encontrar en los productos existentes. Estas posibilidades de cruces de información pueden ser estructuradas mediante el lenguaje de consulta MDX que es un estándar para el análisis de datos.

Para más información o forma de contacto enviar mail a hcobo@siu.edu.ar
Director: Hernan Cobo

Director: Ignacio Larrabide

larrabide@exa.unicen.edu.ar/ilarrabide@pladema.exa.unicen.edu.ar

Web: yatiris.github.io

Resumen: 

En este proyecto se busca la convergencia de la informática avanzada y ciencia de datos con la medicina de vanguardia. Se enfoca en el análisis de imágenes médicas 3D para mejorar la precisión en el diagnóstico de enfermedades vasculares y la planificación de tratamientos endovasculares utilizando modalidades como la angiografía digital, la tomografía computarizada y la resonancia magnética.

A través de técnicas de aprendizaje automático, los estudiantes aprenderán a etiquetar y analizar minuciosamente estructuras cerebrovasculares en imágenes 3D, lo que facilita una evaluación cuantitativa y una visualización tridimensional. Esto proveerá una formación multidisciplinaria y mejorará la colaboración con profesionales de otras disciplinas, además de contribuir al avance en el tratamiento de enfermedades vasculares cerebrales.

Vacantes:

  • 4 estudiantes – Posibilidad de trabajar en parejas de 2 estudiantes.

Director: Ignacio Larrabide larrabide@exa.unicen.edu.ar/ilarrabide@pladema.exa.unicen.edu.ar

 

 Web: yatiris.github.io

 

 Resumen:

Este proyecto se centra en la intersección entre las neurociencias y los algoritmos de inteligencia artificial. Nuestra principal idea consiste en el estudio y la caracterización de imágenes médicas en 3D para comprender y analizar enfermedades que afectan áreas específicas del cerebro. Nos enfocamos particularmente en las estructuras relacionadas con la memoria y la cognición, que pueden ser estudiadas a través de imágenes volumétricas de resonancia magnética.

Mediante el uso de herramientas de aprendizaje automático, los estudiantes tendrán la oportunidad de aprender a analizar y procesar imágenes médicas cerebrales. Esto les permitirá evaluar las diferencias y similitudes entre las estructuras cerebrales en hemisferios opuestos. Este enfoque multidisciplinario les brindará a los estudiantes la oportunidad de colaborar con profesionales de diversas disciplinas y contribuir al avance en la investigación de enfermedades que afectan la memoria y la cognición.

 

Vacantes:

4 estudiantes – Posibilidad de trabajar en parejas de 2 estudiantes.

Director: Santiago Vitale

santiago.vitale@pladema.exa.unicen.edu.ar

Codirector: XXX

Web: yatiris.github.io

Resumen: 

Este proyecto se enfoca en el desarrollo de un simulador de ecografías destinado al entrenamiento de profesionales de la salud en un entorno inmersivo, seguro y controlado.  El objetivo principal es la recreación de imágenes ecográficas tanto de sujetos sanos y enfermos para la simulación de diferentes escenarios clínicos, utilizando como base otras modalidades de imágenes. 

Mediante la implementación de modelos generativos de aprendizaje profundo y la simulación computacional de deformaciones anatómicas, los estudiantes tendrán la oportunidad de estudiar, analizar y simular imágenes ecográficas. Esto les permitirá adquirir conocimientos avanzados de aprendizaje profundo y utilizar bibliotecas especializadas de inteligencia artificial bajo el enfoque de procesamiento de imágenes médicas. Esta formación multidisciplinaria les permitirá interactuar y colaborar con profesionales de otras disciplinas, además de contribuir e impulsar el uso de simuladores para la formación de profesionales de la salud. 

Vacantes:

  • 4 estudiantes – Posibilidad de trabajar en parejas de 2 estudiantes.

Director

Carlos A. Bulant 

https://www.researchgate.net/profile/Carlos-Bulant

carlos.alberto.bulant@gmail.com

 

Web:

 https://www.pladema.net/ | https://yatiris.github.io/ | http://hemolab.lncc.br/  

 

Resumen:

Las PPS se desarrollarán en el marco de proyectos de investigación cuyo objetivo último es  generar herramientas que mejoren el diagnóstico y la estimación de riesgo de eventos cardiovasculares adversos importantes.

A grandes rasgos, el flujo de trabajo se resume en los siguientes pasos:

  1. i) procesamiento de imágenes (angiotomografía coronaria, o ultrasonido-intravascular, entre otras);
  2. ii) generación de un modelo arterial paciente-específico;

iii) caracterización geométrica su la anatomía arterial;

  1. iv) simulación de fluidos para estimar diversos índices hemodinámicos;
  2. v) combinar los resultados de las operaciones anteriores junto con información clínica del paciente para estratificar el riesgo de evento cardiovasculares adversos importantes. 

De acuerdo a los intereses del estudiante, y al estado actual del proyecto, se podrán realizar la PPS+TI en alguno de los pasos de la metodología descripta.

 

Vacantes:

4 estudiantes – Posibilidad de trabajar en grupos de 2 estudiantes.

Director

Carlos A. Bulant 

https://www.researchgate.net/profile/Carlos-Bulant

carlos.alberto.bulant@gmail.com

 

Web:

https://www.pladema.net/ | http://www.vet.unicen.edu.ar/HEPA/ | http://www.vet.unicen.edu.ar/HEPA/index.php/investigacion/laryngocube

 

Resumen

Las PPS se desarrollarán en el marco de una colaboración vigente entre el Hospital de Pequeños Animales (HEPA) Facultad de Ciencias Veterinarias de la UNICEN y el Instituto PLADEMA de la Facultad de Ciencias Exactas de la UNICEN.

De acuerdo a los intereses del estudiante, y al estado actual de los proyecto, se podrán realizar la PPS+TI en alguna de las siguientes líneas:

– Desarrollo de un prototipo de Aceleromiógrafo, usando acelerómetros y arduino. 

– Extensión de funcionalidades de un simulador de monitor de signos vitales para el entrenamiento en anestesiología veterinaria.

 

Vacantes:

4 estudiantes – Posibilidad de trabajar en grupos de 2 estudiantes.

Director: 

Cristian García Bauza

cristiangb@gmail.com

Web: https://www.medialab.com.ar/

Resumen: Las PPS se desarrollarán en el marco de un equipo de desarrollo de soluciones interactivas que utilizan Realidad Virtual para capacitación y formación. Las tareas estarán relacionadas a diversos hitos del proceso de creación de software y podrá incluír el ajuste de módulos desarrollados, modificación de parte de una arquitectura o crear POC (Proof of concept) de distinta índole; como así también participar de una metodología de desarrollo en un contexto real.

Las soluciones se conforman de módulos de Backend y Frontend, con lo cual las tecnologías son variadas y diversas, incluyendo además participar de un equipo de análisis de requerimientos, aseguramiento de calidad, testing entre otros.

Vacantes:

  • 4 estudiantes – Posibilidad de trabajar en grupos de 2 estudiantes.

Director: Pablo Rinaldi

prinaldi@exa.unicen.edu.ar / rinaldipablo@gmail.com

 Resumen: 

En este proyecto se trabaja en un pipeline completo para el relevamiento topográfico, la generación de modelos y la simulación de inundaciones tanto en entornos urbanos como extra urbanos. Se trabaja con imágenes satelitales e imágenes UAV (drones) de diferente tipo, información de características de suelo, precipitaciones y eventos previos.

 Utilizando algoritmos de fotogrametría se construyen modelos de elevación del terreno a partir de las imágenes, sobre esos modelos se emplean técnicas de segmentación y aprendizaje automático para la remoción de elementos como vegetación. Luego se ejecutan modelos de simulación de escurrimiento superficial con datos meteorológicos de precipitaciones y los resultados se visualizan en herramientas GIS. Por últimos, los resultados obtenidos se validan con imágenes aéreas posteriores a eventos reales debidamente procesadas.

Trabajos potenciales en: implementación de simuladores con integración GIS, desarrollo de nuevos modelos de simulación de inundaciones y fluidodinámica, procesamiento de imágenes aéreas con segmentación y técnicas de aprendizaje automático. Procesamiento de modelos de elevación digital.

 Vacantes:

  • 2 estudiantes.

Director: 

Florencia Rodríguez

frodriguez@pladema.exa.unicen.edu.ar

Web: https://www.medialab.com.ar/

Resumen: 

La tecnología de la realidad virtual (RV) ha experimentado un crecimiento significativo en los últimos años, revolucionando industrias como la educación, la medicina, el entretenimiento y la formación. Para mantenerse a la vanguardia de esta tendencia, es esencial que las organizaciones migren sus aplicaciones y contenidos de RV a las últimas plataformas y tecnologías disponibles. En este contexto, se propone una PPS que permitirá a los estudiantes de ingeniería adquirir experiencia práctica en la migración de tecnología en plataformas de RV.

Durante el período de práctica, se sumergirán en el proceso de migración de tecnología de RV, desde la evaluación inicial hasta la implementación final. También participarán en sesiones de capacitación y revisión de código para fortalecer sus habilidades técnicas y comprender mejor las mejores prácticas en el desarrollo de RV.

Las soluciones se conforman de módulos de Backend y Frontend, con lo cual las tecnologías son variadas y diversas, incluyendo además participar de un equipo de análisis de requerimientos, aseguramiento de calidad, testing entre otros.

Vacantes:

  • 6 estudiantes – Posibilidad de trabajar en grupos de 2 estudiantes.

Director: 

Florencia Rodríguez

frodriguez@pladema.exa.unicen.edu.ar

Web: https://www.medialab.com.ar/

Resumen: 

En el ámbito de investigación en cognición y tecnología de realidad virtual, se presenta esta propuesta de práctica profesional supervisada. Se han realizado estudios previos en entornos de Computer Assisted Virtual Environments (CAVE), enfocándonos en la evaluación de la memoria espacial en individuos sanos. Como resultado de estos estudios, se ha desarrollado un protocolo para el estudio de memoria espacial, aprovechando las ventajas de la realidad virtual para mejorar la retención de información del entorno circundante del participante.

En una nueva etapa del proyecto de investigación, se busca expandir el enfoque y aplicar el protocolo a un grupo particularmente vulnerable: personas que presentan deterioro cognitivo, específicamente, pacientes diagnosticados con enfermedad de Alzheimer. Reconociendo la creciente relevancia de abordar los desafíos de esta enfermedad, la propuesta busca contribuir no solo a la comprensión de los efectos del Alzheimer en la memoria espacial, sino también a ofrecer una herramienta potencialmente beneficiosa para el diagnóstico temprano y la mejora de la calidad de vida de las personas afectadas.

A través de esta práctica profesional supervisada, se brindará a un estudiante próximo a graduarse la oportunidad de participar en un proyecto que combina investigación con la aplicación práctica de la tecnología de realidad virtual en pro del bienestar cognitivo.

La experiencia adquirida en este proyecto de investigación en el campo de la cognición y la tecnología de realidad virtual es altamente relevante para el desarrollo de habilidades investigativas sólidas. 

 

Vacantes:

  • 1 estudiante

Director: 

Virginia Cifuentes  

mvcifuentes@pladema.exa.unicen.edu.ar

Web:  https://www.medialab.com.ar/

Resumen: 

Las Prácticas Profesionales Supervisadas (PPS) se llevarán a cabo en un proyecto innovador que fusiona la inmersión de la realidad virtual (RV) con los principios terapéuticos de las salas Snoezelen, dirigido a brindar entretenimiento y bienestar a adultos mayores. Inspirado en la creación de entornos multisensoriales relajantes, la plataforma operativa ofrece experiencias personalizadas diseñadas para estimular los sentidos, fomentar la relajación y mejorar el bienestar emocional de los usuarios.

Las responsabilidades asignadas abarcarán diversas etapas del desarrollo de software, incluyendo la creación de nuevas experiencias en la plataforma, la adaptación de módulos existentes, ajustes en la arquitectura, la creación de pruebas de concepto (POC) y una participación activa en un proceso de desarrollo metodológico en un entorno real.

Este proyecto implica la construcción de soluciones que comprenden módulos de Backend y Frontend, lo que conlleva el uso de tecnologías web contemporáneas y de RV.

Vacantes:

  • 2 estudiantes

Director: 

Virginia Cifuentes  

mvcifuentes@pladema.exa.unicen.edu.ar

Web:  https://www.medialab.com.ar/

Resumen: 

Las Practicas Profesionales Supervisadas (PPS) se llevarán a cabo en el marco de un proyecto innovador centrado en transformar las terapias de rehabilitación cognitiva mediante el empleo de realidad virtual (RV) y tecnologías de inteligencia artificial (IA). Las responsabilidades asignadas abarcarán diferentes etapas del desarrollo de software para crear nuevas actividades personalizadas de rehabilitación cognitiva que se sumarán a la plataforma web ya operativa, como la adaptación de módulos existentes, ajustes en la arquitectura, creación de pruebas de concepto (POC) y participación activa en un proceso de desarrollo metodológico en un entorno real.
Este proyecto implica la construcción de soluciones que comprenden módulos de Backend y Frontend, lo que implica el uso de tecnologías actuales.

Vacantes:

  • 2 estudiantes