Docentes expositores/as: Lourdes Suárez Villasmil
Inscripción y postulación a becas: del 18 al 25 de mayo
Fecha de realización: 1 de julio al 9 de septiembre de 2026
Carga horaria: 36 horas
Metodología: Teórico- práctico
Modalidad: Virtual
Código del curso: 266/CPG
Certificado: Se entregarán certificados de asistencia y aprobación de la Universidad Nacional de Quilmes.
Arancel: Residentes en el país: $136800 (Extranjeros residentes en Argentina, deberán presentar certificado de residencia en el país. Caso contrario, la facturación se realizará como Residentes en otros países.)
-Residentes en otros países: informes_posgrado@unq.edu.ar
Proceso de Inscripción
Antes de comenzar el proceso de inscripción, asegurate de tener una dirección de correo electrónico válida y que funcione correctamente, hasta obtener el usuario de estudiante de la UNQ, con dominio “@uvq.edu.ar”, el cuál se considerará automáticamente como su domicilio electrónico. Es importante destacar que las comunicaciones que enviemos a estas direcciones se considerarán válidas y suficientes a todos los efectos legales
A continuación les facilitamos la guía de inscripción: “Guía de Inscripción a cursos de posgrado”
Admisión
Los/as aspirantes a las propuestas formativas de posgrado deberán poseer como mínimo alguna de las siguientes condiciones:
a) Ser graduado/a universitario con título de grado final expedido por una Universidad Nacional, Universidad Provincial o Universidad Privada reconocida por el Poder Ejecutivo Nacional, correspondiente a una carrera con al menos cuatro (4) años de duración;
b) Graduados/as de Universidades extranjeras reconocidas por las autoridades competentes en su país.
c) Acreditar estudios terciarios completos de cuatro (4) o más años de duración con título final expedido por una institución reconocida por la autoridad educativa competente.
Fundamentación
En un mundo impulsado por datos y transformado por la Inteligencia Artificial (IA), las ciencias ambientales, de la salud y biotecnológicas demandan profesionales capaces de aprovechar estas tecnologías para la toma de decisiones estratégicas. Este curso responde a esa necesidad, ofreciendo una formación accesible y práctica en IA aplicada, análisis de datos y comunicación efectiva, sin requerir conocimientos previos de programación. Desde los fundamentos de la IA generativa hasta técnicas estadísticas y de visualización, el programa del curso integra herramientas de IA con un enfoque ético y responsable. Al finalizar, los participantes podrán automatizar tareas utilizando herramientas de IA, optimizando el diseño de prompts y comprendiendo los límites éticos. Además, podrán analizar datos con técnicas estadísticas claves enfocadas en la descripción, predicción y comprensión de los entornos multivariados, comprendiendo la importancia de la visualización y comunicación efectiva de los resultados.
Objetivo general:
Implementar el uso de herramientas de inteligencia artificial y análisis de datos para la toma de decisiones en ciencias ambientales, salud y biotecnología, dominando herramientas accesibles (sin programación), desde IA generativa hasta técnicas estadísticas y storytelling con datos.
Objetivos específicos:
- Introducir los fundamentos de la IA para comprender sus aplicaciones en ciencias y su impacto en la predicción y toma de decisiones (Semana 1).
- Aplicar modelos de IA Generativa en contextos científicos, diseñando
prompts efectivos y evaluando riesgos éticos (Semanas 2-3).
- Gestionar datos con rigor metodológico para manejar correctamente las variables, documentar observaciones y garantizar la calidad de los datos considerando el marco legal argentino.
- Analizar datos con enfoque descriptivo y predictivo para extraer insights
(Semanas 6, 10-11).
- Visualizar y comunicar resultados mediante gráficos adecuados y estructuras narrativas persuasivas para audiencias técnicas y no técnicas (Semanas 7-9, 12).
Contenido
¿Por qué aprender IA?
IA predictiva vs. generativa, aplicaciones en ciencias.
IA Generativa. Diseño de prompts
Modelos de lenguaje, ética. Métodos para prompts científicos.
Variables y mediciones. Calidad de datos
Tipos de variables, documentación.
Detección de atípicos, normalización, regulaciones.
Análisis descriptivo
Medidas de tendencia central, dispersión, frecuencias.
Visualización de datos
Gráficos univariados, bivariados y multivariados.
Regresión lineal simple. Regresión múltiple
Reducción de dimensionalidad.
Modelos básicos de predicción.
Predicción multivariable.
Storytelling con datos
Narrativas para comunicar hallazgos.
Bibliografía
Al-Antari, M. A. (2023). Artificial Intelligence for Medical Diagnostics—Existing and Future AI Technology! Diagnostics, 13(4), 688. https://doi.org/10.3390/diagnostics13040688
Bitkina, O. V., Park, J., & Kim, H. K. (2023). Application of artificial intelligence in medical technologies: A systematic review of main trends. DIGITAL HEALTH, 9, 20552076231189331. https://doi.org/10.1177/20552076231189331
Daniel, W., & Cross, C. L. (2013). Biostatistics: A Foundation for Analysis in the Health Sciences (10a ed.). Wiley.
Krenn, M., Pollice, R., Guo, S. Y., Aldeghi, M., Cervera-Lierta, A., Friederich, P., dos Passos Gomes, G., Häse, F., Jinich, A., Nigam, A., Yao, Z., & Aspuru-Guzik, A. (2022). On scientific understanding with artificial intelligence. Nature Reviews Physics, 4(12), 761-769. https://doi.org/10.1038/s42254-022-00518-3
Mukaka, M. (2012). A guide to appropriate use of Correlation coefficient in medical research. Malawi Medical Journal : The Journal of Medical Association of Malawi, 24(3), 69-71.
Nussbaumer Knaflic, C. (2015). Storytelling with Data. Wiley.
Palacio, F., Apodaca, M. J., & Crisci, J. (2020). Análisis multivariado para datos biológicos (Primera edición). Vásquez Mazzini Editores Fundación de Historia Natural Félix de Azara.