Oportunidades Públicas

Fecha de Creación	Descripción	Mentor(es)	Acciones
04/06/2025	Histological image analysis to identify populations at risk Histology produces high-resolution images, e.g., 22000 x 70000 pixels, of tissues. These tissues come from biopsies performed with well-defined protocols, which allows histologies from different patients to be compared. However, due to their size, it is hard to extract and analyze all the relevant information in the image. In addition, some variations in the protocol cause changes in the image's contrast, which hinders their comparison. For this reason, image processing tools have the potential to facilitate the analysis of these images and extract patterns that are hard to identify by the naked eye. The first stage of this project seeks to develop analysis methods, including artificial intelligence and statistical learning tools, that allow relevant features to be extracted from a single histology, to determine the regions where structures are similar, and where they are anomalous in their morphology Keywords: Imágenes Médicas Analisis de Imágenes aprendizaje maquina Prerequisites: No prerequisites Available vacancies: 3/6 Class Code Initials: IMT ING This opportunity uses a Nota 1-7 evaluation method and is worth 10 credits Procesamiento de imágenes de histología para identificar poblaciones de riesgo La histología produce imágenes de alta resolución, p.ej., 22000 x 70000 pixeles, de tejidos. Estos tejidos provienen de biopsias que se realizan con protocolos bien definidos, lo que permite comparar histologías provenientes de pacientes distintos. Sin embargo, debido a su tamaño, es difícil extraer y analizar toda la información relevante de la imagen. Además, algunas variaciones en el protocolo causan cambios en el contraste de la imagen, lo que dificulta su comparación. Por este motivo, las herramientas de procesamiento de imágenes tienen el potencial de facilitar el análisis de estas imágenes y extraer patrones que son difíciles de identificar a simple vista. La primera etapa de este proyecto busca desarrollar métodos de análisis, incluyendo herramientas de inteligencia artificial y aprendizaje estadístico, que permitan extraer características relevantes de una misma histología, para determinar las regiones donde las estructuras son similares, donde son anómalas en su morfología. Keywords: Imágenes Médicas Analisis de Imágenes aprendizaje maquina Prerrequisitos: Sin prerrequisitos Vacantes disponibles: 3/6 Siglas iniciales: IMT ING Tiene un método de evaluación Nota 1-7, con 10 créditos	Carlos Alberto Sing-long Collao Marcelo Edgardo Andia Kohnenkampf	Ver
05/01/2026	Reinforcement Learning for the Optimization of Cross-Training Workout Plans In this IPRE, the student will develop Reinforcement Learning algorithms aimed at the optimization of personalized training plans for cross-training or CrossFit-style disciplines. The goal is to design training strategies that balance progression, intensity, and recovery, taking into account the athlete’s physiological adaptation and the prevention of overtraining. As a first step, a dynamic model of the athlete will be developed, describing the evolution of variables such as fitness, fatigue, and performance as a function of training load. This model will serve as the basis for formulating the problem as a sequential control system, in which a reinforcement learning agent acts as an intelligent coach that selects training sessions over time. The project will be approached from an intelligent control perspective, exploring both model-free and model-based methods, and validating the results through simulations. Keywords: control automático aprendizaje reforzado control inteligente entrenamiento físico Prerequisites: IEE2613 Available vacancies: 1/1 Class Code Initials: IEE This opportunity uses a Nota 1-7 evaluation method and is worth 10 credits Aprendizaje Reforzado para la Optimización de Planes de Entrenamiento en Cross-Training En esta IPRE, el/la estudiante desarrollará algoritmos de Aprendizaje Reforzado (Reinforcement Learning) orientados a la optimización de planes de entrenamiento personalizados en disciplinas de tipo cross-training o CrossFit. El objetivo es diseñar estrategias de entrenamiento que equilibren progresión, intensidad y recuperación, considerando la adaptación fisiológica del atleta y la prevención del sobreentrenamiento. Como primer paso, se desarrollará un modelo dinámico del atleta, que describa la evolución de variables como fitness, fatiga y rendimiento en función de la carga de entrenamiento. Este modelo servirá como base para formular el problema como un sistema de control secuencial, donde un agente de aprendizaje reforzado actuará como un entrenador inteligente que selecciona sesiones de entrenamiento a lo largo del tiempo. El proyecto se abordará desde una perspectiva de control inteligente, explorando enfoques model-free y model-based, y validando los resultados mediante simulaciones. Keywords: control automático aprendizaje reforzado control inteligente entrenamiento físico Prerrequisitos: IEE2613 Vacantes disponibles: 1/1 Siglas iniciales: IEE Tiene un método de evaluación Nota 1-7, con 10 créditos	Saúl Alberto Langarica Chavira	Ver
30/06/2026	Design and Research: Computational Thinking from a Phone Join a project that brings physical computing to schools that can't afford class sets of kits. The idea: rebuild the hands-on, tangible value of physical computing using the smartphone students already own, plus everyday materials like cardboard, programming with Blockly blocks on the Protobject platform. This lowers the cost barrier and brings real equity to Chilean classrooms. Your role is to own the quality of a progression of several activities: reviewing, iterating, and redesigning them against clear computational-thinking objectives, refining the texts, the pedagogical progression, and the equivalence check between the phone version and a micro:bit/MakeCode one. This is real iterative design with concrete classroom impact. You'll gain experience in instructional design, CS education, and mentored research, with the chance to contribute to a paper in progress. We're looking for someone meticulous and creative, interested in CS didactics and physical computing. As an undergraduate research placement (IPre), it is curricular and calls for committed dedication, like any course. The project also has funding to recognise, with financial support, the exceptional contributions of especially motivated students who take on a standout role. Keywords: design educacion tecnologia programación fabricación digital Aprendizaje Block Programming Prerequisites: No prerequisites Available vacancies: 1/4 Class Code Initials: IIC IDI This opportunity uses a Nota 1-7 evaluation method and is worth 10 credits Diseña e investiga: pensamiento computacional desde el celular Súmate a un proyecto que lleva la computación física a colegios que no pueden comprar sets de kits. La idea es reconstruir lo manual y tangible usando el celular que el estudiante ya tiene, más materiales cotidianos como el cartón, programando con bloques Blockly en la plataforma Protobject. Así bajamos la barrera de costo y acercamos la equidad al aula chilena. Tu rol será cuidar la calidad de una progresión de varias actividades: revisarlas, iterarlas y rediseñarlas con objetivos claros de pensamiento computacional, afinando los textos, la secuencia pedagógica y la verificación de equivalencia entre la versión en celular y una en micro:bit/MakeCode. Es diseño iterativo real, con impacto concreto en colegios. Ganarás experiencia en diseño didáctico, educación en computación e investigación con mentoría, y podrás aportar a un paper en preparación. Buscamos a alguien meticuloso, creativo y con interés en didáctica de la informática y computación física. Por su carácter curricular, la IPre supone una dedicación comprometida como cualquier curso. Adicionalmente, el proyecto dispone de financiamiento que permite reconocer con un apoyo económico las contribuciones excepcionales de estudiantes especialmente motivados/as que asuman un rol destacado. Keywords: design educacion tecnologia programación fabricación digital Aprendizaje Block Programming Prerrequisitos: Sin prerrequisitos Vacantes disponibles: 1/4 Siglas iniciales: IIC IDI Tiene un método de evaluación Nota 1-7, con 10 créditos	Alessio Bellino	Ver