Carlos Ariel Díaz

Carlos Ariel Díaz

Carlos es reciente graduado de la carrera de Ingeniería de la UTN-FRM. Como alumno ha colaborado con el laboratorio cursando materias electivas, siendo beneficiado con diferentes becas de investigación para alumnos de grado, y recientemente ha sido galardonado con la Beca Jóvenes Profesionales TIC 2012 por $50.000 de la Agencia Nacional de Promoción Científica y Tecnológica del Ministerio de Ciencia, Técnica e Innovación Productiva en conjunto con el Ministerio de Educación, con la presentación de la idea-proyecto para el desarrollo del Software llamado MIA, Medición de Indicadores Agronómicos asistido por imágenes, cuya idea fue gestada durante la participación de Carlos en cursos e investigaciones de nuestro laboratorio.

Carlos además asiste a nuestro laboratorio con la Administración del cluster para cómputo intensivo.

Carlos Ariel Díaz es Ayudante de primera en UTN, con una dedicación docente de 10 horas semanales.

Su director de beca es Facundo Bromberg, y su codirector es Nehuen Campitelli.

Carlos es egresado 2013 de la carrera de Ingeniería en Sistemas de la Facultad Regional Mendoza, Univesidad Tecnológica Nacional.

Carlos Ariel Díaz es Becario doctoral UTN, con una dedicación a la investigación de 40 horas semanales.

Carlos es becario doctoral UTN con afiliación en investigación con el laboratorio DHARMa.

Publicaciones

Marset, W. Villegas, Perez D. Sebastian, Díaz C. Ariel, & Bromberg F. (2021).  Towards practical 2D grapevine bud detection with fully convolutional networks. Computers and Electronics in Agriculture. 182, 105947.
Marset, W. Villegas, Pérez D. S., Díaz C. A., & Bromberg F. (2020).  Deep Learning for 2D Grapevine Bud Detection.
Diaz, C. Ariel, Pérez D. Sebastián, Miatello H., & Bromberg F. (2018).  Grapevine buds detection and localization in 3D space based on Structure from Motion and 2D image classification. Computers in Industry. 99C (Special Issue on Machine Vision for Outdoor Environments), 303-312.
Pérez, D. Sebastián, Bromberg F., & Diaz C. Ariel (2017).  Image classification for detection of winter grapevine buds in natural conditions using scale-invariant features transform, bag of features and support vector machines. Computers and Electronics in Agriculture. 135, 81-95.

Proyectos de investigación

Deep Learning for 2D grapevine bud detection
Rol: Colaborador interno
Smart prEdictioN of froSt and yiEld for the wine industry.
Rol: Colaborador interno
Vineyard Sunlight Exposition
Rol: Colaborador interno
Vineyard Sunlight Exposition
Rol: Colaborador interno

Cursos dictados

Aprendizaje de máquinas
Cargo: Jefe de trabajos prácticos
Visión Computacional
Cargo: Profesor adjunto

Subsidios

EIUTIME0003601TC
Rol: Becario doctoral
EIUTIME0004481TC
Rol: Becario doctoral
PID-SENSE-SIUTNME0005128
Rol: Becario doctoral
PID-UTN-5372
Rol: Becario doctoral