Curso de posgrado: Problemas inversos en procesamiento de imágenes computacional.

El curso está dirigido a estudiantes de posgrado en Ingeniería Eléctrica, Ingeniería en Computación, Matemática, Ciencia de Datos y Aprendizaje Automático, o ramas afines. Las aplicaciones de la bioimagenología también pueden resultar de interés para investigadores de las ciencias biológicas.

Los potenciales interesados pueden encontrar más información en el eva del curso (https://eva.fing.edu.uy/course/view.php?id=2028). Adjunto el programa del curso y un flyer de difusión. 

El curso se centra en el estudio de metodologías matemáticas y computacionales que sustentan las técnicas más innovadoras de procesamiento y análisis de imágenes. Los problemas inversos constituyen la base de numerosos desarrollos en los que es necesario recuperar información visual a partir de datos incompletos, ruidosos o degradados, un reto que atraviesa diversas disciplinas científicas y tecnológicas. En este contexto, el curso ofrece una formación que integra tres dimensiones complementarias:

• La modelización matemática de los procesos de adquisición de datos, que permite establecer de manera rigurosa la relación entre las medidas disponibles y la imagen subyacente.
  
  
• El diseño e implementación de algoritmos capaces de resolver problemas altamente complejos mediante técnicas de optimización numérica, métodos iterativos y estrategias de regularización. 
  
  
• La aplicación práctica de estas herramientas en casos representativos de la investigación actual. Entre los ejemplos que se abordarán destacan la deconvolución de imágenes, esencial para corregir desenfoques y mejorar la calidad de observaciones en microscopía y astronomía; la tomografía computacional, pilar de la obtención de imágenes médicas no invasivas y de gran impacto clínico; los métodos de superresolución, que permiten generar detalles más allá de los límites físicos de los sensores y son de gran relevancia en biología y seguridad; y las técnicas de inpainting de imágenes, útiles para la restauración digital, la edición inteligente y la recuperación de información en contextos artísticos, industriales y forenses. Estos casos ilustran cómo la teoría de problemas inversos se traduce en soluciones concretas que responden a desafíos actuales en ciencia, tecnología e innovación.