En Universidad Nacional de La Plata (UNLP), dentro de Licenciatura & Doctorado en Ciencias Informáticas, Matemática Aplicada y Control No Lineal (Instituto LEICI-CONICET), dominás la optimización convexa, el cálculo estocástico y la inferencia de alta dimensión que la industria tradicional suele reducir a meras heurísticas empíricas. Nuestros pods de R&D te permiten compatibilizar la cursada cotidiana —teóricas, prácticas y laboratorios— con 10 a 25 horas semanales de investigación asincrónica y remota, volcando demostraciones formales a arquitecturas agénticas en producción. Acá no descartás tu formación para adaptarte a un stack comercial estándar: aplicás el 100% de la matemática universitaria que aprendés en la facultad para modelar la covarianza de LLMs heterogéneos y construir la frontera eficiente del cómputo moderno.
Esquema pensado para encajar de manera orgánica entre teóricas, trabajos prácticos y guías de ejercicios. Administrás tus horas de investigación con total autonomía asincrónica, coordinando avances vía repositorios de Git y preprints de investigación sin superposiciones con tus horarios de cursada o laboratorio.
Honorarios remotos competitivos de $20 a $45/hr USD con veda absoluta de actividades durante parciales, recuperatorios y fechas de finales (0 h/semana). Tu plaza en el pod de investigación y tus líneas de desarrollo quedan rigurosamente reservadas mientras rendís tus materias.
Articulá los resultados empíricos y formales del pod directamente con tu tesis de licenciatura o tesina de maestría, participando como coautor en preprints 2024–2026. Además, contás con acceso libre a nuestra biblioteca de 39 horas de educación profesional continua (CPE) en {preprints_url}.
| Materia Universitaria / Área Teórica | Formulación Matemática & Teorema | Pod de R&D | Implementación en Código & Producción |
|---|---|---|---|
| Optimización Convexa y Programación Cuadrática | \min_w w^T \Sigma w \quad \text{s.a.} \quad w^T \mu \ge \mu^*, \; \mathbf{1}^T w = 1, \; w \ge 0 |
POD-01 (Asignación Óptima de Cómputo) | Asignación cuadrática de pesos de inferencia entre ensambles de LLMs heterogéneos y verificadores determinísticos formales para minimizar la varianza de error sujeta a restricciones de latencia y costo por token. |
| Teoría de la Probabilidad y Procesos Estocásticos | N_{\text{eff}} = \frac{N}{1 + (N - 1)\bar{\rho}} |
POD-01 (Ortogonalización de Agentes) | Demostración analítica de por qué disparar 50 prompts correlacionados con \bar{\rho}=0.70 colapsa a apenas N_{\text{eff}} \approx 1.42 expertos independientes, y formulación de ensambles de agentes ortogonales para maximizar la entropía de decisión. |
| Estadística Matemática de Alta Dimensión y Econometría | \hat{\Sigma}_{\text{LW}} = (1 - \delta^*)S + \delta^* F |
POD-02 (Estimación Robusta de Covarianza) | Encogimiento de covarianza (Ledoit-Wolf shrinkage) y desnoising espectral mediante la ley de Marčenko-Pastur para estabilizar matrices de correlación empíricas en benchmarks breves de evaluación donde N > T. |
| Cálculo Actuarial, Teoría del Riesgo y Valores Extremos | \Sigma^-_{ij} = \mathbb{E}[\min(R_i-\tau,0)\min(R_j-\tau,0)], \quad \text{CVaR}_{99\%}(L_w) \le M_{\text{audit}} |
POD-02 (Riesgo de Cola y Semivarianza) | Modelado de semivarianza a la baja (Markowitz 1959) y cotas de materialidad Rockafellar-Uryasev para aislar alucinaciones catastróficas en el percentil 99, blindando flujos de trabajo autónomos contra riesgos operacionales de cola pesada. |
| Economía Financiera y Valuación de Activos | w_{\text{tan}} \propto \Sigma^{-1}(\mu - c \cdot \mathbf{1}), \quad \text{SR}(w) = \frac{w^T(\mu - c \cdot \mathbf{1})}{\sqrt{w^T \Sigma w}} |
POD-03 (Separación de Tobin & Portafolio Tangente) | Teorema de separación de Tobin aplicado a sistemas agénticos: integración de compiladores y verificadores determinísticos como activo libre de riesgo (\sigma_0 = 0) junto a la cartera tangente de LLMs estocásticos para maximizar el ratio de Sharpe computacional. |
| Inferencia Estadística y Testeo Secuencial de Hipótesis | P(\text{Error Tipo I}) \le \alpha \quad (\text{Cascadas Neyman-Pearson / FrugalGPT / RouteLLM}) |
POD-04 (Ruteo Secuencial e Inferencia Óptima) | Diseño de tests de razón de verosimilitud secuencial para cascadas de inferencia multietapa con control estricto de falsos positivos (Error Tipo I \le \alpha), con validación experimental y acceso a la biblioteca de 39 horas de preprints en {preprints_url}. |
1. Prosecretaría de Vinculación Exactas/Económicas UBA & Di Tella: Postulate a través del portal de empleo y pasantías Prosecretaría de Vinculación Exactas/Económicas UBA & Di Tella de Universidad Nacional de La Plata (UNLP) buscando la referencia 'Markowitz R&D Fellow', o cargá directamente tu CV y analítico de materias aprobadas en nuestra plataforma institucional. (RSS/XML Job Feed · iCal Open Office Hours · Google Classroom)
2. Python Seminar & Thesis Kit (/uni/ar-universidad-nacional-de-la-plata/lab.py): Script reproducible de laboratorio en Python (5 minutos) diseñado para seminarios y talleres de cátedra: genera matrices sintéticas de respuestas de modelos de lenguaje, calcula empíricamente el colapso del número efectivo de expertos independientes N_eff frente al aumento del coeficiente de correlación media \bar{\rho}, y aplica la contracción de Ledoit-Wolf (\hat{\Sigma}_{\text{LW}}) junto al filtrado espectral de Marčenko-Pastur para estabilizar la covarianza en regímenes de alta dimensión (N > T).