La Secretaría de Investigación, Internacionales y Posgrado (SIIP) de la Universidad Nacional de Cuyo (UNCuyo) aprobó financiamiento para dar continuidad a la segunda etapa de Proyectos de Investigación de nuestro Instituto Tecnológico Universitario (ITU), los cuales están en curso y comenzaron en 2.019.

El beneficio económico será para dar continuidad a dos líneas específicas de Investigación de ITU:

1-STEAM (acrónimo formado por las iniciales en inglés de los ámbitos de Ciencia, Tecnología, Ingeniería, Artes y Matemáticas -Science, Technology, Engineering, Arts and Mathematics-). Nuevo Enfoque Didáctico para la Formación Científica de Estudiantes de Ciencias Exactas con el fin de prepararlos para los desafíos del siglo XXI.

2-Mejora del Pronóstico de Cosecha de Vid, mediante tecnologías de Machine Learning (Aprendizaje Automatizado), Computación Distribuida y Robótica.

El primer proyecto mencionado, tiene como propósito esencial preparar a los estudiantes para el desempeño profesional y laboral bajo la modalidad STEM; esto es, competencias versátiles para manejarse en el terreno de la Ciencia, la Tecnología, la Ingeniería y la Matemática; todo ello, en el marco de los desafíos que trae consigo el devenir del siglo XXI. El mismo está dirigido por la Ingeniera y Profesora de Grado Universitario en Informática: Silvia Manganelli.

El segundo proyecto en cuestión, bajo el título de Mejora del Pronóstico de Cosecha de Vid, mediante tecnologías de Machine Learning, Computación Distribuida y Robótica es dirigido por el Ingeniero Emmanuel Nicolás Millán y co- dirigido por el Ingeniero Lucas Iacono.

El objetivo general de esta línea de Investigación es hacer más eficiente la previsión de Vendimia, a través de tecnologías de aprendizaje automático, computación distribuida y robótica.

Puntualmente, en esta segunda etapa de avance, se tendrá dos metas fundamentales: una, sumar más frutas, lo que permitirá contar con más tiempo para captar imágenes y mejorar el volumen de información necesaria para el entrenamiento del algoritmo.

Asimismo, esto llevará a cumplimentar una segunda meta: permitir una detección e identificación de maleza temprana, a los fines de adaptar los procesos de tratamiento, haciéndolos más eficientes.