Estudiantes de Ingeniería UP distinguidos por el premio Trabajo Final de Grado del Concurso Santander 2025

En esta edición fueron premiados tres estudiantes UP y se otorgaron seis menciones especiales.

En esta edición fueron premiados tres estudiantes UP y se otorgaron seis menciones especiales. Todos destacan por la calidad de la presentación, innovación, originalidad, factibilidad y el potencial de desarrollo futuro de los proyectos.

Gonzalo Sinnott Segura, Ezequiel Osvaldo Coronel y Andrés Isaac Biso fueron los ganadores del Premio Trabajo Final de Grado 2025. La distinción se entregó en el marco del convenio de colaboración entre la Universidad de Palermo y Banco Santander, con la participación de diversos trabajos académicos de estudiantes de la Facultad de Ingeniería UP. Además, recibieron menciones especiales José Zambrano, Tadeo Donegana Braunschweig, Lara Brajterman, Lucas Castronuovo, Emiliano Abel Soto y Theo Rocha Nazer.

Este reconocimiento reafirma el compromiso de la Facultad de Ingeniería UP con la formación de profesionales capaces de generar propuestas innovadoras con proyección en el ámbito productivo y tecnológico.

Conocé más de cada ganador premiado:

-Primer puesto: Gonzalo Sinnott Segura, Licenciatura en Tecnología de la Información UP.
Tutoría del docente UP, Javier Damián Rabuch.

Trabajo: “Detección de bots en X mediante aprendizaje supervisado: un enfoque para mitigar la manipulación en redes sociales
El trabajo analiza la detección de bots en la red social X (Twitter) mediante técnicas de aprendizaje supervisado, con el objetivo de reducir la manipulación digital en contextos electorales. Para el trabajo se utilizó un dataset de más de 37.000 cuentas, aplicando procesos de limpieza, normalización e ingeniería de características para identificar patrones de comportamiento sospechosos. Se evaluaron los modelos KNN, SVM y Random Forest, siendo este último el de mejor desempeño en accuracy y AUC-ROC.

Los resultados evidencian que métricas como actividad, reciprocidad, antigüedad y completitud del perfil son claves para la clasificación. Además, se desarrolló un sistema en tiempo real con interfaz web que permite analizar perfiles y mostrar la probabilidad de que sean bots. Finalmente, el estudio destaca la relevancia ética y social de estas herramientas para fortalecer la transparencia y la resiliencia democrática frente a la desinformación.

-Segundo puesto: Ezequiel Osvaldo Coronel, Licenciatura en Inteligencia Artificial UP.
Tutoría del docente UP, Javier Damián Rabuch.

Trabajo: “Agentes Autónomos para la operación del ciclo de vida de modelos de Machine Learning”
El trabajo presenta una arquitectura de agentes autónomos para automatizar integralmente el ciclo de vida de modelos de Machine Learning dentro del enfoque MLOps. La propuesta se basa en un sistema multi-agente, donde cada agente cumple una función específica: calidad de datos, inferencia, reportes y documentación/versionado. El sistema integra herramientas como Hugging Face, Gemini, Firebase y GitHub para garantizar procesamiento, razonamiento contextual, almacenamiento y trazabilidad.

Se validó mediante una prueba de concepto de análisis con modelos BERT, logrando alta precisión y ejecución automatizada sin intervención humana. Los resultados demostraron eficiencia operativa, reproducibilidad y registro auditable de cada ejecución. Finalmente, el proyecto concluye que es posible implementar MLOps automatizado, escalable y accesible incluso con infraestructura limitada.

-Tercer puesto: Andrés Isaac Biso, Licenciatura en Informática UP.
Tutoría del docente UP, Javier Damian Rabuch.

Trabajo: “Propuesta de solución de LMS orientado al micro aprendizaje para su uso en organizaciones”.
El trabajo propone el desarrollo de un Learning Management System (LMS) orientado al microaprendizaje para su implementación en organizaciones, con el objetivo de optimizar el tiempo de formación de los empleados. La solución web adapta los contenidos según las necesidades y disponibilidad de cada usuario, utilizando actividades breves como videos, textos y cuestionarios interactivos.Se fundamenta en enfoques de aprendizaje personalizado, adaptativo e informal, integrando además plataformas de mensajería como Telegram para mejorar la comunicación y accesibilidad.

La arquitectura cliente-servidor fue desarrollada con tecnologías como React, Node.js, Flask y contenedores Docker, garantizando escalabilidad y modularidad. Los resultados demostraron la viabilidad técnica del sistema y una mejora en la continuidad del aprendizaje empresarial. Finalmente, el estudio concluye que el microaprendizaje es una estrategia efectiva, flexible y accesible para el desarrollo profesional continuo en entornos laborales dinámicos.

Menciones especiales:

-José Zambrano, bajo la tutoría del docente UP, Javier Damián Rabuch.
Trabajo: “ALVAREQ: Sistema Automatizado de Equivalencias Académicas mediante Inteligencia Artificial y Grafos de Conocimiento”.

-Tadeo Donegana Braunschweig, bajo la tutoría del docente UP, Diego Esteve.
Trabajo: “MulaHunt - Sistema integral para la detección de cuentas mula”.

-Lara Brajterman, bajo la tutoría del docente UP, Javier Damian Rabuch.
Trabajo: “Sistema híbrido inteligente para la simulación de prioridades de inventario en electrónica de consumo”.

-Lucas Castronuovo, bajo la tutoría del docente UP, Javier Damian Rabuch.
Trabajo: “boTeach: Chatbot educativo basado en RAG para optimizar el aprendizaje en línea”.

-Emiliano Abel Soto, bajo la tutoría del docente UP, Pablo Alejandro Lena.
Trabajo: “Protección de Redes con Infraestructura CIP aplicado EFB Pilotos”.

-Theo Rocha Nazer, bajo la tutoría del docente UP, Máximo Iaconis.
Trabajo: “Propuesta de mejoras para proyectos de software en la empresa IT Rock”.

Conocé los ganadores del premio Trabajo Final de Grado en el Concurso Santander 2024, aquí.