Oportunidades Públicas

Fecha de Creación	Descripción	Mentor(es)	Acciones
03/01/2026	Cellular deconvolution based on unsupervised identification A Bayesian cellular deconvolution model is available that transforms bulk RNA data (total RNA from a tissue) into cell-type proportions and the expression profiles of those cell types. The objective of the model is to achieve the highest possible resolution; therefore, the reference may include a large number of cell types. However, this can lead to overfitting in the Bayesian model. We aim to study whether it is preferable to identify cell types manually (using marker genes), in an unsupervised manner (e.g., via Graph Attention), or through a hybrid approach combining both strategies. The IPre is being carried out jointly with Environ, a biotechnology start-up hosted at the UC Innovation Center. Environ has already implemented the deconvolution framework and will have multiple clustering strategies—both supervised and unsupervised—implemented for the study scheduled for March. Keywords: NLP GML Prerequisites: No prerequisites Available vacancies: 1/2 Class Code Initials: IIC PhD students who will assist in mentoring for this research opportunity: Diego Bustamante (Environ) This opportunity uses a Nota 1-7 evaluation method and is worth 10 credits Deconvolución celular basada en identificación no supervisada Se dispone de un modelo Bayesiano de deconvolución celular que transforma datos bulk de RNA (total de RNA de un tejido) en proporciones celulares y expresión de dichos tipos de células. El objetivo del modelo es obtener la mayor resolución posible, por lo que la referencia podría tener muchos tipos celulares a disposición. Sin embargo, eso podría generar "overfitting" del modelo Bayesiano. Queremos estudiar si conviene identificar tipos celulares "a mano" (con genes marcadores) o de forma no supervisada (Graph Attention), o incluso una mezcla de ambos. La IPre se realiza en conjunto con Environ, un start-up biotecnológica alojada en el centro de Innovación UC. Environ tiene implementada la deconvolución y tendrá implementadas distintas clusterizaciones (supervisada y no supervisada) para el estudio en marzo. La IPRe puede extenderse como una tesis de magíster si el/la estudiante así lo desea. Keywords: NLP GML Prerrequisitos: Sin prerrequisitos Vacantes disponibles: 1/2 Siglas iniciales: IIC Estudiantes de doctorado que ayudarán mentoreando en esta investigación: Diego Bustamante (Environ) Tiene un método de evaluación Nota 1-7, con 10 créditos	Marcelo Gabriel Mendoza Rocha	Ver
03/01/2026	Normalizing patrimonial terminology using NLP The project addresses how to normalise archaeological and heritage-related terminology, which often includes a wide variety of terms used to describe the same artefact or technique, even though each of these has a single preferred term. Of particular interest are an initial knowledge graph containing the existing terminology—which will also be combined with international terminology (referred to as TermAI)—and the main NLP pipeline (ALexIA), which is designed to recognise a term in the input text and, eventually, to provide suggestions and morphological alignment. The project is interdisciplinary and is being carried out jointly with the Faculty of Letters and CENIA. Keywords: NLP Prerequisites: No prerequisites Available vacancies: 2/2 Class Code Initials: IIC PhD students who will assist in mentoring for this research opportunity: Franziska Wagner (CENIA) This opportunity uses a Nota 1-7 evaluation method and is worth 10 credits Normalización de terminología patrimonial usando NLP El proyecto aborda cómo normalizar la terminología arqueológica / de patrimonio / patrimonial, la cual suele contener una variedad de palabras para describir un mismo tejido, artefacto o técnica, aunque cada uno de ellos tiene un único término preferente. Son de interés un grafo de conocimiento inicial, que contiene la terminología existente y que deberá combinarse además con terminología internacional (denominado TermAI), y el pipeline principal de NLP (ALexIA), que consiste en reconocer un término en el texto de entrada y, eventualmente, proporcionar sugerencias y alineación morfológica. El proyecto es interdisciplinario y se realiza en conjunto con la Facultad de Letras y CENIA. Keywords: NLP Prerrequisitos: Sin prerrequisitos Vacantes disponibles: 2/2 Siglas iniciales: IIC Estudiantes de doctorado que ayudarán mentoreando en esta investigación: Franziska Wagner (CENIA) Tiene un método de evaluación Nota 1-7, con 10 créditos	Marcelo Gabriel Mendoza Rocha	Ver
03/01/2026	Using AI to enhance students’ critical thinking The project addresses how to incorporate Artificial Intelligence into the teaching–learning process in order to foster critical thinking. Specifically, a platform will be developed in which students analyse problem statements and the solutions proposed by large language models (LLMs), with the goal of detecting logical flaws in those solutions. To support the analysis of logical errors, the LLM presents its chain-of-thought reasoning to the student, who then determines whether the procedure is correct or contains a flaw; if a flaw is identified, the student must specify its nature. The IPRe focuses on designing these examples and making them available through a platform for classroom use. Specific courses are considered to pilot the experience. The IPRe is interdisciplinary, carried out jointly with the Faculty of Education and may be extended as a master’s thesis should the student be interested. Keywords: NLP Prerequisites: No prerequisites Available vacancies: 1/1 Class Code Initials: IIC This opportunity uses a Nota 1-7 evaluation method and is worth 10 credits Usando IA para potenciar el pensamiento crítico de los estudiantes El proyecto aborda cómo incorporar la Inteligencia Artificial en el proceso de enseñanza–aprendizaje con el fin de fomentar el pensamiento crítico. En particular, se desarrollará una plataforma en la que los estudiantes analicen enunciados de problemas y las soluciones propuestas por modelos de lenguaje de gran tamaño (LLM), con el objetivo de detectar fallas lógicas en dichas soluciones. Para apoyar el análisis de los errores lógicos, el LLM presenta su razonamiento paso a paso (chain-of-thought) al estudiante, quien luego determina si el procedimiento es correcto o contiene un error; en caso de identificar una falla, el estudiante debe especificar su naturaleza. La IPRe se centra en el diseño de estos ejemplos y en su puesta a disposición a través de una plataforma para su uso en el aula. Se consideran cursos específicos para pilotear la experiencia. La IPRe es de carácter interdisciplinario, desarrollado conjuntamente con la Facultad de Educación, y puede extenderse como una tesis de magíster si el/la estudiante así lo desea. Keywords: NLP Prerrequisitos: Sin prerrequisitos Vacantes disponibles: 1/1 Siglas iniciales: IIC Tiene un método de evaluación Nota 1-7, con 10 créditos	Marcelo Gabriel Mendoza Rocha	Ver