UP y Banco Santander distinguieron a estudiantes de Ingeniería por sus trabajos académicos

Alumnos de la Facultad de Ingeniería de la UP fueron distinguidos por la calidad, originalidad y relevancia de sus trabajos desarrollados durante la cursada.

En el marco del acuerdo de cooperación entre la Universidad de Palermo y Banco Santander, se llevó a cabo una nueva edición del Premio Estímulo al Trabajo Académico Banco Santander 2025. La iniciativa convocó a estudiantes de la Facultad de Ingeniería UP a postular trabajos prácticos realizados en distintas asignaturas de sus carreras.

Un jurado especializado analizó los proyectos presentados considerando criterios como la calidad de la presentación, la pertinencia temática y el nivel de innovación. Finalmente, los trabajos seleccionados fueron evaluados por un jurado, siendo los mejores premiados con un incentivo económico. Además, un reconocimiento al compromiso y desempeño académico de sus autores.

En esta oportunidad los premiados fueron:

- Categoría A: Proyectos de investigación y/o desarrollo realizados dentro de alguna de las asignaturas “Proyecto de Investigación”, fijas o electivas, de la Facultad de Ingeniería UP:

1er puesto

Alumno: Tomas Canzoniero – Ingeniería en Inteligencia Artificial

Docente: Jorge Martín Acosta

Proyecto: Optimización de parámetros en máquinas inyectoras de plásticos con control de calidad automático mediante visión por computadora.

El trabajo propone un sistema inteligente para optimizar parámetros en máquinas inyectoras de plástico mediante aprendizaje automático y visión por computadora, sin utilizar sensores internos. Se creó un dataset experimental de 155 muestras variando presión, tiempo y velocidad de postpresión, registrando peso, temperatura ambiente e imágenes de cada pieza. A partir de estas imágenes se extrajo el área mediante técnicas clásicas de segmentación, implementando un control de calidad multivariado con Isolation Forest para detección de anomalías. Paralelamente, se entrenó un modelo Random Forest para predecir el peso de la pieza (R² = 0,9352) y asistir en la optimización del proceso. Los resultados demostraron que la presión de postpresión y la temperatura ambiental son variables clave en la calidad final, mientras que el tiempo de mantenimiento tiene baja influencia. Finalmente, se valida la viabilidad de una solución accesible para PyMEs que mejora calidad y eficiencia energética sin requerir hardware invasivo.

2do puesto

Alumno: Mariano Sergio Sánchez de Vera Bastone – Ingeniería en Inteligencia Artificial

Docente: Jorge Martín Acosta

Proyecto: Modelo de Identidad Digital Descentralizada para la Gestión Segura de Historias Clínicas en Argentina.

El trabajo propone un modelo de identidad digital descentralizada para la gestión segura de historias clínicas en Argentina, como complemento a la Ley 27.706 de Historia Clínica Electrónica Nacional. La investigación analiza cómo tecnologías como blockchain permisionada, Decentralized Identifiers (DIDs) y Verifiable Credentials (VCs) pueden otorgar al paciente mayor control sobre sus datos. El modelo plantea que los datos clínicos permanezcan en infraestructura estatal, mientras la blockchain registre identificadores, metadatos y listas de revocación. Se integra el estándar HL7 FHIR para garantizar interoperabilidad entre hospitales, farmacias y organismos de salud. Además, se diseña conceptualmente una red con nodos validadores, gateway y consenso PBFT para asegurar trazabilidad y auditoría. Finalmente, el estudio concluye que la identidad autosoberana puede fortalecer privacidad, seguridad y continuidad del cuidado en el sistema sanitario argentino.

3er puesto

Alumnos:

Lucas Carmusciano – Ingeniería en Inteligencia Artificial

Juan Manuel González Kapnik – Ingeniería en Ciencia de Datos

Docente: Máximo Iaconis

Proyecto: Detección y anticipación de fallas en anemómetros mediante análisis de datos y aprendizaje automático aplicado a torres meteorológicas.

Este proyecto de investigación tiene como objetivo desarrollar un sistema automatizado para la detección y anticipación de fallas en sensores meteorológicos —principalmente anemómetros y veletas— instalados en torres de medición de viento. La calidad de estos datos es fundamental para estudios de energía eólica, predicción climática e ingeniería ambiental, ya que errores en las mediciones pueden generar decisiones técnicas y económicas incorrectas. Aplicando técnicas de análisis de datos combinados con IA.

Menciones especiales:

Alumna: Guadalupe Torino

Docente: Visco Comandini,Filippo

Proyecto: Traductor de texto a pictogramas para personas con discapacidad intelectual mediante Inteligencia Artificial generativa.

- Categoría B: Trabajos Prácticos desarrollados dentro de la cursada de materias de las carreras:

1er puesto

Alumna: Lis, Candela – Licenciatura en Ciberseguridad

Docente: Casais, Ignacio

Proyecto: Simulador de Ciberataques Basado en Agentes Autónomos con Aprendizaje Adaptativo.

El trabajo desarrolla un simulador de ciberataques basado en agentes autónomos con aprendizaje adaptativo, orientado a modelar la confrontación entre un Red Team (ofensivo) y un Blue Team (defensivo) en un entorno controlado. La propuesta surge ante las limitaciones de los sistemas tradicionales de ciberseguridad, que no logran adaptarse a amenazas dinámicas impulsadas por IA. El modelo se implementa como un sistema multiagente formulado como un MDP/POMDP, utilizando aprendizaje por refuerzo (Q-Learning, DQN y variantes) para permitir la coevolución estratégica. La arquitectura integra herramientas como Gymnasium, PettingZoo, NetworkX y Stable-Baselines3 para garantizar modularidad y reproducibilidad. Se definen métricas como TPR/FPR, MTTD, MTTR, costo colateral e índice de sigilo para evaluar el desempeño competitivo. Finalmente, el proyecto incorpora un marco ético alineado con principios de IA responsable, priorizando transparencia, trazabilidad y control humano.

2do puesto

Alumna: Paula Goldenhörn – Licenciatura en Inteligencia Artificial

Docente: Christensen,Ingrid

Proyecto: Detección Automática de Crisis Epilépticas a partir de Electroencefalogramas (EEG).

El trabajo aborda la detección automática de crisis epilépticas a partir de segmentos de electroencefalogramas (EEG) mediante técnicas de Aprendizaje Supervisado. Se utilizó un dataset de 11.500 ejemplos con 178 características por registro, transformando el problema multiclase en una clasificación binaria (crisis vs. no crisis). Debido al desbalance de clases, se prioriza la métrica Recall para minimizar falsos negativos, dado que no detectar una crisis es el error más crítico. Se entrenaron y compararon modelos de Regresión Logística, K-Nearest Neighbors y Support Vector Machine (lineal y no lineal). El SVM con kernel RBF obtuvo el mejor desempeño, alcanzando aproximadamente 98% de accuracy y alto recall en la clase positiva. Finalmente, se concluye que este modelo es el más adecuado para una detección rápida y confiable en contextos clínicos.

3er puesto

Alumnos:

Facundo Neiman – Licenciatura en Tecnología de la Información

Luca Paludi – Ingeniería en Inteligencia Artificial

Augusto Sosa – Ingeniería en Inteligencia Artificial

Lucas Emens – Licenciatura en Tecnología de la Información

Docentes: Bernardo Luscher y Gonzalo Díaz

Proyecto: Análisis Predictivo de Identidad Corporativa: Minería de Datos aplicada a la Colorimetría y Segmentación de Mercado.

El trabajo desarrolla un modelo de aprendizaje automático para inferir reglas de identidad corporativa a partir de datos de colorimetría y segmentación de mercado. Se construyó un dataset de 5.000 registros donde los colores se modelan como variables psicológicas cuantificables vinculadas a rubro y público objetivo. Mediante ingeniería de características, se crearon variables combinadas (como rojo-amarillo o azul-gris) que aumentaron la ganancia de información del modelo. Se implementó un Árbol de Decisión J48 (C4.5) en Weka y Orange, priorizando interpretabilidad y reglas de negocio claras. Los resultados alcanzaron métricas de precisión superiores al 90%, validando patrones como el uso de colores cálidos en gastronomía o el azul en sectores tecnológicos y financieros. Finalmente, el estudio demuestra que el branding puede optimizarse con criterios estadísticos, reduciendo la subjetividad en decisiones de diseño corporativo.

Menciones especiales

1) Alumnos: Martín Mayotti, Santino Sangiuliano Giménez, Santiago Sbresso y Gael Rocha Nazer

Docente: Casais, Ignacio

Proyecto: Planificación y optimización en las líneas de producción.


2) Alumnos: Gaston Cuevas, Ignacio Improvola, Julián Álvarez D'Annunzio y Andrés Cholakian

Docentes: Julio Paredes - Gonzalo Díaz

Proyecto: Predicción de Churn: Proyecto de Data Mining en Telecomunicaciones.


Para conocer más novedades del premio ingresar a: Premio Estímulo al Trabajo Académico Banco Santander 2025