El curso «Machine Learning para interfaces cerebro-computadora» se dictará entre el 18 y el 27 de febrero de 2026, entre las 15:00 y las 19:00 h en Facultad de Ingeniería (Udelar). Las inscripciones abrirán en los próximos días.
La docente a cargo del curso será Victoria Peterson, investigadora del Instituto de Matemática Aplicada del Litoral, UNL-CONICET.
La instancia es organizada por CICADA y la Facultad de Ingeniería, y es financiada por la Agencia Nacional de Investigación e Innovación (ANII).
Nuestro cerebro ha evolucionado para controlar eficientemente un gran y complejo dispositivo biológico: el cuerpo humano. La versatilidad de nuestro sistema nervioso ha llevado a que podamos extender esta capacidad de control a dispositivos externos muy diferentes a nuestro propio cuerpo. Las interfaces cerebro-computadora (BCIs, por sus siglas en inglés) constituyen un área interdisciplinaria que persigue este objetivo aprovechándo avances recientes en neurociencia, procesamiento de señales, aprendizaje automático (AA), tecnologías de la información y otros.
Las BCIs basadas en la señal de electroencefalografía (EEG) suelen ser las más estudiadas y utilizadas para medir la actividad cerebral y traducirla en comandos de control. Desde el punto de vista de la comunicación, un sistema BCI se basa en el uso de símbolos para informar la intención de su usuario, que luego la computadora deberá detectar y traducir. En particular, estos símbolos o mensajes a detectar están inmersos en la señal de EEG que varía según sea el paradigma de comunicación preseleccionado. El gran crecimiento en el área de procesamiento de señales y AA tanto desde el punto de vista teórico como práctico ha también beneficiado a las aplicaciones de BCI. En este sentido, es necesario explorar el uso de técnicas que permitan extraer información relevante de la señal de EEG, seleccionar de manera sujeto-específica los parámetros que mejor detecten el “mensaje” a informar, así como de métodos que permitan discriminar entre una tarea mental y la otra de manera precisa y robusta.
En este curso se realizará una introducción a las tecnologías BCI desde una perspectiva de la neurociencia, su arquitectura general y su problemática desde el punto de vista de métodos de tratamiento de señales. Se presentarán conceptos y métodos básicos de AA para tratar estas señales, para finalmente mostrar avances recientes en el área con problemas concretos reales.