es en

Inicio

Facundo Roffet


🔱 Sobre mí

Hola, soy Facu, un ingeniero electrónico que se dió cuenta que los circuitos no eran lo suyo. En un momento pandémico de completa serendipia, me crucé con el canal de YouTube DotCSV y casi instantáneamente descubrí que mi verdadera pasión era la inteligencia artificial (particularmente el deep learning). Así que decidí empezar a aprender por mi propia cuenta sobre el tema (no me canso de recomendar el curso de FastAI).

Por suerte para mi carrera, en la Universidad Nacional del Sur (UNS) existe el Laboratorio de Ciencias de las Imágenes (LCI), una institución referente nacional en investigación, desarrollo y transferencia de tecnología en el ámbito del procesamiento de imágenes y sensado remoto. Allí conocí a Claudio Delrieux (director del LCI), quién rápidamente se convirtió en mi tutor y me presentó ante Gustavo Patow. Entre los tres, delineamos un plan de trabajo para postularme a la Beca Interna Doctoral para Temas Estratégicos del CONICET. Tras obtenerla en 2023, me especializo en la utilización de deep learning y datos de resonancias magnéticas para entender mejor al cerebro humano, particularmente en los casos de accidentes cerebro vasculares.

Más allá de lo que es mi trabajo, otras disciplinas tales como la filosofía, la geografía y la psicología me despiertan un gran interés. Soy un gran defensor del aprendizaje como un fin en sí mismo y no solo como un mero medio, así que dedico parte de mi tiempo libre a ver cursos online y tomar notas de ellos. Mis notas están más que nada diseñadas para ser entendidas por mi mismo, pero las dejo disponibles en la sección Notas de cursos por si les llegan a servir a alguien.

También disfruto mucho de la naturaleza y la aventura. Siempre que puedo viajo para conocer nuevos lugares, ya sea solo, con amigos, familia o gente del Club Andino Bahía Blanca. Además, en @stratocurious comparto fotos de nubes mientras aprendo a clasificarlas.

📖 Aprender | 🌍 Explorar | 🫂 Conectar


🏢 Proyectos con empresas

Viterra (Enero 2025 - Abril 2025): Conceptualización y desarrollo de una aplicación que permite a operarios automatizar el proceso de control de calidad en máquinas descascaradoras de semillas, mejorando la consistencia de las mediciones y liberando tiempo valioso del personal operativo. La aplicación contiene un modelo regresor que, a partir de fotografías de muestras de semillas, predice cuales son los porcentajes de semillas enteras (MAE: 1.50) y dañadas (MAE: 3.09).

SpaceSur (Noviembre 2023 - Diciembre 2024): Desarrollo de pipelines para procesar imágenes satelitales. Entrenamiento de modelos con datasets disponibles públicamente para la segmentación de edificios (mAP@0.5: 0.8140) y la clasificación de vertederos (F1 score: 0.8897). Entrega de una base de código modular para facilitar y agilizar futuras iteraciones con datos propios del cliente.

Practia (Julio 2022 - Febrero 2024): Consultoría y mentoría técnica. Asesoramiento estratégico a un equipo de trabajo novato para abordar y ejecutar sus primeros proyectos de deep learning, acortando su curva de aprendizaje y asegurando la adopción de buenas prácticas.

ECODOC (Mayo 2022 - Abril 2024): Preprocesado y organizacíon de un dataset de más de 3000 imágenes de radiografías dentales panorámicas. Entrenamiento de modelos en las tareas de segmentación de dientes (mAP@0.5: 0.9230) y detección de patologías como caries (F1 score: 0.8504) y retenciones (F1 score: 0.9127), con el objetivo de luego ser integrados en un servicio de software on-demand.


🔍 Proyectos académicos y publicaciones

Proyecto doctoral (Abril 2023 - Presente): Estudio y desarrollo de herramientas basadas en deep learning para la simulación y predicción de la actividad neuronal del cerebro completo (whole-brain) y su evolución en situaciones de enfermedad mediante la definición de biomarcadores. El objetivo es que estas herramientas permitan predecir el efecto de tratamientos y la respuesta a fármacos en casos de enfermedades neurodegenerativas (Parkinson, Alzheimer, etc) para generar un aporte al diagnóstico personalizado.

  • Deep Learning and Whole-Brain Networks for Biomarker Discovery: Modeling the Dynamics of Brain Fluctuations in Resting-State and Cognitive Tasks. Scientific Reports, 2025. LINK.

Proyecto MultiCaRe (Enero 2024 - Julio 2025): Utilización de ontologías jerárquicas y técnicas de aprendizaje semi-supervisado para mejorar tanto la calidad de las etiquetas como la estructuración de los datos en un dataset de imágenes médicas compuesto de más de 150000 muestras y 140 categorías jerárquicas.

  • An Open-Source Clinical Case Dataset for Medical Image Classification and Multimodal AI Applications. Data, 2025. LINK.
  • The Multiplex Classification Framework: Optimizing Multi-Label Classifiers through Problem Transformation, Ontology Engineering, and Model Ensembling. Applied Ontology, 2025. LINK.

Proyecto Eritrocitos (Octubre 2022 - Junio 2024): Diseño de una metodología para detectar automáticamente cinco anomalías de glóbulos rojos (eritrocitos) en aves marinas utilizando un dataset desbalanceado para permitir un análisis rápido y menos dependiente de la interpretación humana (F1 score: 0.7703).

  • Integrating Deep Learning into Genotoxicity Biomarker Detection for Avian Erythrocytes: A Case Study in a Hemispheric Seabird. Mathematical and Computational Applications, 2024. LINK.

Tesis de grado (Septiembre 2021 - Agosto 2022): Utilización de la teoría de la información para evaluar técnicas de armonización de fMRI, descubriendo que los métodos comunes no eliminan por completo los sesgos introducidos por los diferentes sitios de adquisición.

  • Assessing Multi-Site rs-fMRI-Based Connectomic Harmonization Using Information Theory. Brain Sciences, 2022. LINK.


💻 Paquetes de software

DLOlympus: Librería de Python que contiene herramientas y plantillas para hacer más facil el proceso de entrenar modelos de deep learning y hacer inferencia con ellos. Agrega funcionalidades extra a los frameworks FastAI y MMDetection. LINK.


🎓 Formación académica

Doctorado en Ingeniería (Abril 2023 - Presente):

  • Universidad Nacional del Sur, Bahía Blanca, Argentina.

Ingeniería Electrónica (Marzo 2017 - Diciembre 2022):

  • Universidad Nacional del Sur, Bahía Blanca, Argentina.


📜 Formación complementaria

Escuela Internacional de Verano en Inteligencia Artificial (2026)

  • Universidad Nacional de Hurlingham, Villa Tesei, Argentina.
  • Universidad Nacional de San Martín, Villa Chacabuco, Argentina.


🎤 Presentaciones en congresos

VII Congreso de Ciencias y Tecnología (2024):

  • Exposición del proyecto Eritrocitos y dictado del taller Clasificación de imágenes con IA: fundamentos, recomendaciones y un ejemplo práctico. Universidad Nacional de Itapúa, Encarnación, Paraguay.

30º edición de las Jornadas de Jóvenes Investigadores de la AUGM (2023):

  • Exposición de la tesis de grado. Universidad Nacional de Asunción, Asunción, Paraguay.

VI IEEE Biennial Congress of Argentina - ARGENCON (2022):

  • Exposición de la tesis de grado. Universidad Nacional de San Juan, San Juan, Argentina.


📩 Contacto

Afiliado al Laboratorio de Ciencias de las Imágenes de la Universidad Nacional del Sur y al CONICET.