Quiénes somos
PerceptIA es un semillero de investigación orientado al fortalecimiento de competencias investigativas y técnicas en estudiantes mediante el desarrollo de proyectos aplicados en inteligencia artificial, ciencia de datos, visión artificial, razonamiento aproximado, TinyML y sistemas embebidos.
El semillero busca formar talento humano capaz de diseñar soluciones inteligentes que funcionen en escenarios reales, especialmente en contextos donde existen limitaciones de conectividad, energía, infraestructura tecnológica o capacidad de cómputo.
Adscripción
Grupo de investigación MODSIM
Carrera
Ciencia de Datos e Inteligencia Artificial
Área de conocimiento
Tecnologías de la Información y la Comunicación
Sub línea
Ciencia de los Datos y Sistemas Inteligentes
Adscritos al Grupo MODSIM
PerceptIA nace y se desarrolla bajo el paraguas del Grupo de Investigación MODSIM (Modelado y Simulación), espacio académico que articula la investigación formativa, la producción científica y la transferencia de conocimiento desde la carrera de Ciencia de Datos e Inteligencia Artificial.
Esta adscripción nos da respaldo institucional, líneas de trabajo consolidadas, mentoría docente y acceso a redes de colaboración para llevar nuestros proyectos desde el aula hasta publicaciones, prototipos y eventos científicos.
Dirección del grupo
Dra. Lorena Molina
Jefa del Grupo de Investigación MODSIM
Investigación aplicada
Proyectos con rigor metodológico y validación empírica.
Redes y colaboración
Articulación con docentes, semilleros y aliados externos.
Formación de talento
Estudiantes investigadores guiados por el grupo.
Producción científica
Artículos, ponencias, capítulos y prototipos.
Diseñar, desarrollar y validar soluciones de percepción artificial embebida que integren principios de Ciencia de Datos, Inteligencia Artificial y Razonamiento Aproximado, incluyendo TinyML, para resolver problemáticas reales en entornos con recursos limitados.
Cómo lo hacemos
Aplicar el ciclo de vida de Ciencia de Datos e Inteligencia Artificial: recolección, limpieza, análisis exploratorio, selección de modelos, entrenamiento, validación, despliegue y monitoreo.
Fomentar la formación investigativa de estudiantes y docentes mediante participación en proyectos, publicaciones, eventos científicos y transferencia de conocimiento.
Investigar principios neuro-cognitivos de la visión humana y seleccionar algoritmos ligeros de visión artificial e inferencia difusa o neuro-difusa.
Construir y curar conjuntos de datos visuales, sensoriales y perceptuales, asegurando calidad, trazabilidad y reproducibilidad.
Evaluar la correspondencia entre percepción humana y percepción de máquina mediante métricas de precisión, latencia, eficiencia energética y robustez al ruido.
Desarrollar prototipos embebidos que integren captura sensorial, preprocesamiento, inferencia en tiempo real y toma de decisiones autónoma.