Con un inicio de semestre marcado por el entusiasmo y nuevos desafíos, Carlos Valle Vidal se integra como profesor asociado a la Escuela de Ingeniería Informática, donde impartirá docencia en los programas de pregrado y postgrado.
El Dr. en Ingeniería Informática dictará los cursos de Inteligencia Artificial y Almacenamiento y Recuperación de Datos en el nivel de pregrado, pero también dictará en postgrado los cursos de Deep Learning y Redes Neuronales Profundas. De esta forma, siendo la inteligencia artificial uno de sus principales temas a enseñar, comentó que “espero que estos espacios se conviertan en verdaderos puntos de encuentro interdisciplinarios, donde estudiantes de diversas carreras puedan abordar desafíos actuales mediante el uso responsable de la inteligencia artificial”.
El profesor Carlos Valle tiene una basta trayectoria académica, en donde suma más de 15 años de experiencia docente en pregrado y postgrado en distintas universidades de la región. Las materias que ha enseñado tienen relación con la inteligencia artificial, aprendizaje de máquinas, redes neuronales y análisis de datos, con una fuerte integración entre la teoría y la práctica. Junto a ello ha dirigido numerosas tesis de pre y postgrado y ha participado y liderado en diversos proyectos de investigación.
Expectativas en investigación e innovación
El profesor llega con la intención de fortalecer y contribuir al ecosistema de la investigación e innovación en la Escuela. Sobre esto, reveló: “me interesa especialmente vincular la IA con áreas como energía, medio ambiente y salud. En la docencia, quiero formar estudiantes reflexivos, capaces de aplicar críticamente los avances de la IA en beneficio de la sociedad”. Asimismo, indicó que espera “generar vínculos de colaboración con mis colegas, tanto en proyectos de investigación como en propuestas formativas conjuntas que nutran los planes de estudio de distintas carreras”.
Actualmente se encuentra liderando un proyecto Fondecyt titulado Interpretable Deep Learning Models for Time Series Forecasting, el cual busca desarrollar modelos de aprendizaje profundo y que alcancen buenos resultados predictivos. Al respecto, detalló que “este enfoque es especialmente relevante en sectores donde la interpretabilidad es clave para la toma de decisiones, como la energía y el medio ambiente. En este contexto, estoy trabajando en colaboración con Henrik Madsen del Technical University of Denmark (DTU), reconocido investigador en series temporales en temas de energía”.
Por Guillermo Franchino y Daniela Lorca
Dirección de Comunicación Estratégica
