Saltar al contenido
Escudo de la Universidad Nacional Mayor de San Marcos

Universidad Nacional Mayor de San Marcos
Facultad de Ingeniería de Sistemas e Informática

Maestría en Inteligencia Artificial

Cinco profesionales de datos, software y dirección de proyectos. Estudiamos inteligencia artificial y operamos la infraestructura donde la practicamos.

La plataforma

No es un entorno prestado: montamos, operamos y documentamos el nuestro. Lo que sale a internet va con certificado y autenticación; la capa de datos no se expone.

Cómputo

Notebooks con el entorno ya montado: nada que instalar para empezar a trabajar. Dos tamaños: uno ligero para el día a día y otro para entrenar.

Datos

Base relacional, almacenamiento de objetos, base vectorial y modelos de lenguaje ejecutándose en local, sin depender de ningún servicio de terceros.

Experimentos

Cada entrenamiento queda registrado con sus parámetros, sus métricas y su modelo. Los largos corren como trabajos que sobreviven a cerrar el navegador.

Despliegue

Este sitio se publica solo: basta con subir el cambio al repositorio. Nadie entra al servidor.

Lo que trabajamos

Arquitecturas

  • Convolucionales — ResNet, EfficientNet
  • Recurrentes — LSTM, GRU
  • Transformers — BERT, GPT
  • Detección y segmentación — YOLO, U-Net

Técnicas

  • Transfer learning y ajuste fino
  • Interpretabilidad de modelos
  • Embeddings y búsqueda semántica
  • Generación aumentada por recuperación
  • Extracción de entidades y análisis de sentimiento

Herramientas

  • PyTorch
  • Hugging Face
  • OpenCV
  • spaCy
  • MLflow
  • Qdrant
  • ONNX Runtime

El equipo

Acceso a los servicios

Todos entran con tu cuenta de GitHub, la misma del repositorio: un botón y ya está, sin contraseñas que recordar ni compartir. Publicar sus direcciones no abre nada, porque ninguno responde sin autenticar. Label Studio es el único con dos puertas: después de GitHub te pide registrarte con tu correo la primera vez. Si te aparece un segundo formulario de acceso, no es un error — es ese paso.

JupyterHub

Notebooks con PyTorch, OpenCV, spaCy y el resto del entorno ya instalado. Cada uno con su espacio de trabajo, que se conserva entre sesiones.

Cuenta de GitHub

Abrir JupyterHub

MLflow

Registro de experimentos y modelos: parámetros, métricas y artefactos de cada entrenamiento.

Cuenta de GitHub

Abrir MLflow

Label Studio

Anotación de imágenes y de texto: cajas, polígonos y entidades. Exporta en COCO, YOLO y Pascal VOC.

Cuenta de GitHub y, detrás, la tuya de Label Studio

Abrir Label Studio

Argo Workflows

Encadena los pasos de un entrenamiento: preparar los datos, entrenar, evaluar y publicar el modelo.

Cuenta de GitHub

Abrir Argo Workflows

Argo CD

Despliegue continuo. Muestra si lo que corre coincide con el repositorio.

Cuenta de GitHub

Abrir Argo CD

Grafana

Estado de la plataforma: consumo de recursos y salud de cada servicio.

Cuenta de GitHub

Abrir Grafana