Emilio Delgado | i3 lab

Escuela de Verano Internacional sobre Agentes basados en LLM para Ingeniería de Software

Tue, 16 Sep 2025 00:00:00 +0000

Del 1 al 3 de septiembre de 2025, i3Lab (Grupo Quercus de Ingeniería del Software e INTIA, Universidad de Extremadura) organizó con éxito la 1ª Escuela de Verano Internacional sobre Agentes Basados en LLM para la Ingeniería del Software (LLMA4SE). El evento reunió a investigadores, profesionales y estudiantes de la academia y la industria para explorar el campo en rápida evolución de los sistemas multi-agente basados en LLM y sus aplicaciones en la ingeniería del software.

El día inaugural incluyó dos ponencias destacadas:

AgentWare in Software Engineering: A Taxonomy of LLM-Based Multi-Agent Systems, a cargo de Davide Di Ruscio, que dio lugar a estimulantes debates.
Generative AI Models Running in Your Own Infrastructure, impartida por Jesús M. González Barahona, quien ofreció una profunda reflexión sobre la apertura en los modelos de IA.

Los participantes también disfrutaron de un taller práctico sobre TDD with the Help of AI, dirigido por Jesús M. González Barahona y Giovanni Rosa. La jornada concluyó con un broche cultural: una visita guiada a la ciudad de Cáceres, Patrimonio Mundial de la UNESCO.

El segundo día ofreció una equilibrada combinación de investigación y aplicaciones prácticas. La mañana comenzó con tres presentaciones especialmente interesantes:

Multi-agents for Code Generation, por Jie Zhang, abordando los retos y enfoques actuales.
AI and Software Development: An Industry Paradigm Shift, por Mario Corchero Jiménez y David Naranjo, que ofrecieron la perspectiva del sector industrial.
From Workflow-based to Fully Agentic Applications: smolagents and LangGraph, por Antonio García Domínguez, quien presentó diversos marcos de desarrollo de agentes.

Por la tarde, Antonio García Domínguez guió a los participantes en un taller eminentemente práctico sobre el desarrollo de aplicaciones agenticas con human-in-the-loop mediante LangGraph. El día también incluyó dos actividades sociales enriquecedoras: una visita guiada al Museo de Arte Contemporáneo Helga de Alvear y una cena social en el Gran Hotel Don Manuel.

El último día contó con sesiones especialmente inspiradoras:

Olivier Perard, sobre AI in Enterprise Architecture.
Marc Alier, con Safe AI in Education – The LAMB Project, centrado en la historia, la ética y los riesgos.
Merve Astekin, con Software Maintenance with Agentic LLMs, mostrando proyectos de IA sostenible.

La escuela de verano concluyó con un taller avanzado, Multi-Agent LLMs and Knowledge Graphs for Monitoring and Sustaining Software Systems, impartido por Adela N. Videsjorden y Simeon Andersen Tverdal.

Con el éxito de esta primera edición aún reciente, ya estamos trabajando en la siguiente. Confiamos plenamente en que la segunda edición de nuestra escuela será tan atractiva y enriquecedora como este evento inaugural. Nuestro objetivo es mantener la alta calidad de los contenidos y la variedad de las discusiones para consolidar un gran punto de encuentro para la comunidad.

¡Permaneced atentos a los próximos anuncios!

MetrikaBox: An open framework for experimenting with audio classification

Thu, 28 Aug 2025 00:00:00 +0000

AI-Based System for Assistance in Minimally Invasive Renal Procedures Using Mixed Reality. First Steps

Tue, 29 Jul 2025 00:00:00 +0000

Prompt Once, Segment Everything: Leveraging SAM 2 Potential for Infinite Medical Image Segmentation with a Single Prompt

Mon, 14 Apr 2025 00:00:00 +0000

Advancing precision in medical image segmentation: A performance analysis of loss functions for COVID-19 lung infection segmentation in computed tomography images

Fri, 01 Nov 2024 00:00:00 +0000

Precisión en la segmentación médica con funciones de pérdida compuestas

Wed, 25 Sep 2024 00:00:00 +0000

¡Tenemos nueva publicación! Nuestro último trabajo se centra en analizar cómo distintas funciones de pérdida impactan en la precisión de la segmentación médica con deep learning. En concreto, evaluamos tres tipos (AUFL, DSCL y CE) aplicadas a la detección de lesiones pulmonares por COVID-19 en imágenes de TC, utilizando arquitecturas avanzadas como TransUNet, ViT y U-Net.

Los resultados son reveladores: la función de pérdida compuesta AUFL destaca por su precisión y estabilidad, superando de forma consistente a las demás, especialmente al segmentar lesiones pequeñas, como las opacidades en vidrio deslustrado (GGOs), tan frecuentes en esta patología.

Esta publicación consolida una línea de investigación centrada en la mejora de modelos para segmentación clínica de precisión, con aplicaciones reales en escenarios de diagnóstico y tratamiento asistido por inteligencia artificial. Nuestro objetivo: garantizar segmentaciones fiables y reproducibles, incluso en modalidades con menor resolución como CBCT.

Advancing precision in medical image segmentation: A performance analysis of loss functions for COVID-19 lung infection segmentation in computed tomography images es uno de los resultados de musicgenia, un proyecto financiado por la ayuda CPP2021-008491 del MICIU/AEI/10.13039/50100011033 y por la Unión Europea a través de NextGenerationEU/PRTR.

¿Te interesa entender por qué la AUFL consigue mejores resultados y cómo se comparan estas funciones en diferentes arquitecturas y modalidades de imagen? Contáctanos y te lo explicamos.

No More Training: SAM's Zero-Shot Transfer Capabilities for Cost-Efficient Medical Image Segmentation

Mon, 15 Jan 2024 00:00:00 +0000

SAM para la segmentación de imagen médica

Tue, 23 May 2023 15:00:53 +0200

El código fuente de este proyecto se encuentra en este repositorio.

MusicGenia

Fri, 12 May 2023 13:17:36 +0200

El objetivo principal de MusicGenia consiste en construir una plataforma basada en la nube para ofrecer música de producción generada por IA como servicio para creadores de contenidos y medios de comunicación, que puede consumirse en línea (generación de música en directo) o fuera de línea (generación de música grabada). Los beneficios directos de esa plataforma son: (1) música libre de derechos de autor; (2) música original; (3) facilidad para encontrar música que se adapte a tu contenido; y (4) música en streaming (consume toda la que necesites, paga por segundos no por canción).