Resumen
El Departamento de Posgrado de la Facultad de Ciencias Exactas, Físicas y Naturales (FCEFN) informa sobre el Curso de Posgrado “Astroestadística Aplicada: Métodos y Análisis de Datos"
El Departamento de Posgrado de la Facultad de Ciencias Exactas, Físicas y Naturales (FCEFN) informa sobre el Curso de Posgrado “Astroestadística Aplicada: Métodos y Análisis de Datos”. La actividad estará a cargo de la Dra. Fernanda Duplancic y la Dra. Julia Fernández.
Destinatarios del curso de posgrado
El curso está destinado a estudiantes del del Doctorado en Astronomía y a graduados/as universitarios/as que desarrollen actividades de investigación o formación de posgrado en Astronomía o disciplinas afines.
También está destinados a graduados en Astronomía, Física, Matemática, Ciencias de la Computación, Ingeniería, Geología, Biología y otras carreras de las ciencias exactas y naturales. En cuyos proyectos de investigación involucren el análisis de datos observacionales o simulados y requieran la aplicación de metodologías estadísticas.
Fecha, modalidad e inscripción
El cursado se desarrollará desde el 30 de septiembre al 11 de diciembre de 2026, los días miércoles y viernes de 09:30 a 12:30. En el Aula Híbrida, primer piso del Edificio Central de la FCEFN. La modalidad es presencial mediada por tecnología
Es necesario contar con computadora portatil con sistema Linux instalado. Además, se recomienda poseer conocimientos básicos de programación científica (preferentemente en Python), estadística descriptiva y manejo de dato.
Para consultas o más información, comunicarse al correo electrónico: posgrado.secretaria@unsj-cuim.edu.ar.
Sobre las docentes a cargo
Fernanda Duplancic es Licenciada en Astronomía por la Universidad Nacional de San Juan y Doctora en Astronomía por la Universidad Nacional de Córdoba. Actualmente se desempeña como Investigadora Independiente del CONICET y docente de la Licenciatura en Astronomía de la FCEFN-UNSJ.
Su línea de investigación se centra en astronomía extragaláctica, particularmente en el estudio de sistemas de galaxias, núcleos activos y estructura a gran escala del Universo. Cuenta con amplia experiencia en el análisis de grandes volúmenes de datos provenientes de relevamientos como SDSS, VVV/VVVX y PAUS, así como en programación científica y aplicación de métodos estadísticos.
Posee además trayectoria en dirección de tesis de grado y posgrado, gestión de proyectos de investigación y participación en colaboraciones internacionales.
Julia Fernández es Licenciada y Doctora en Astronomía por la Universidad Nacional de San Juan. Actualmente se desempeña como docente de la Licenciatura en Astronomía de la FCEFN-UNSJ y se encuentra completando una Maestría en Ciencia de Datos.
Es cofundadora de Urania, emprendimiento tecnológico orientado al desarrollo de sistemas de inteligencia artificial aplicados a entornos de producción. Su investigación se centra en el estudio de la estructura de galaxias espirales y cuenta con publicaciones en revistas internacionales.
Posee experiencia en análisis de datos astronómicos, ciencia de datos e inteligencia artificial, y ha participado en colaboraciones científicas con instituciones como la UNAM, UCU y PUC.
Sobre el curso de posgrado
La astronomía contemporánea se caracteriza por la disponibilidad de grandes volúmenes de datos provenientes de relevamientos observacionales y simulaciones numéricas. Su análisis requiere metodologías estadísticas y computacionales que permitan obtener resultados confiables, cuantificar incertidumbres y sustentar comparaciones robustas.
En este contexto, la formación doctoral demanda desarrollar competencias para abordar de manera crítica y reproducible problemas científicos basados en datos.
La presente materia propone una formación teórico-práctica en astroestadística orientada a que los estudiantes adquieran herramientas para construir y curar muestras, caracterizar datos, estimar incertidumbres, ajustar y evaluar modelos. Asimismo para comparar poblaciones astronómicas observacionales y simuladas, fortaleciendo su capacidad para fundamentar decisiones metodológicas en sus investigaciones.
