¿Qué es la ingeniería matemática?

En esta entrevista David Rosas reflexiona sobre los desafíos que plantea la IA generativa en la universidad, la necesidad de repensar los sistemas de evaluación y las oportunidades profesionales que se abren para los estudiantes. También aborda el potencial de la investigación interdisciplinar y defiende una idea que atraviesa buena parte de su trabajo: cuando el problema es educativo, la respuesta debe ser didáctica, no simplemente tecnológica.

Para saber si una carrera encaja contigo no basta con preguntarte si te gustan sus resultados. Conviene investigar qué tareas se repiten durante el aprendizaje y el trabajo, qué dificultades forman parte del proceso, qué problemas aparecen en el plan de estudios y qué proyectos tendrás que aprender a resolver. Elegir mejor significa sustituir una imagen idealizada de la profesión por evidencias más cercanas a cómo se trabaja realmente.

Gustavo Bermejo reúne dos perspectivas que no siempre coinciden en el aula: la experiencia de quien ha desarrollado buena parte de su carrera en empresas tecnológicas y la mirada del docente. Doctor por la Universidad Politécnica de Madrid, ha ocupado puestos de responsabilidad en compañías como Acome, Philips y Rohde & Schwarz, además de acompañar durante más de veinte años a emprendedores y startups. 

Actualmente traslada esa trayectoria a las aulas de UDIT, donde imparte Estadística y Probabilidad en los grados de Ciencia de Datos y Desarrollo Full Stack.

Tal y como explica en esta entrevista, los futuros profesionales de la tecnología  deben comprender el negocio, interpretar las necesidades de los usuarios y aprender a desenvolverse en un mercado laboral cada vez más condicionado por la inteligencia artificial.

Una función sencilla de una app puede depender de decenas de componentes invisibles. El software recibe una acción y ejecuta lógica; los datos permiten saber qué está ocurriendo y qué ocurrió antes; y, cuando el problema exige predecir, clasificar, recomendar o generar una respuesta, puede intervenir un modelo de inteligencia artificial. Comprender un producto digital exige distinguir esas capas y, sobre todo, entender cómo dependen unas de otras.

Una Inteligencia Artificial recibe una tarea dentro de un entorno supuestamente aislado. No debería poder acceder a Internet. Sin embargo, encuentra una forma de hacerlo. Después descubre vulnerabilidades en sistemas externos, obtiene credenciales y consigue acceder a infraestructura que nunca debería haber estado a su alcance. ¿Pero qué ha ocurrido en realidad?

La Fórmula 1 regresa a Madrid. Del 11 al 13 de septiembre, el nuevo circuito de Madring acogerá por primera vez el Gran Premio de España, 45 años después de la última carrera disputada en el Jarama. Sin embargo, cuando los coches salgan a pista, la competición no se desarrollará únicamente sobre el asfalto. Cada vuelta tendrá también una réplica digital: cientos de sensores medirán el comportamiento de cada monoplaza, los sistemas de telemetría enviarán información a los garajes y diferentes modelos de IA tratarán de anticipar qué puede suceder unos segundos, unas vueltas o incluso varias carreras después.

Aprender haciendo no significa sustituir la teoría por proyectos. En Diseño y Tecnología significa convertir una idea en algo que pueda observarse y ponerse a prueba, recibir información sobre sus fallos, modificar decisiones y explicar por qué se han cambiado. El aprendizaje aparece en ese ciclo de acción, evidencia, feedback e iteración, no únicamente en el resultado final.