14. Leonardo Juárez

Acerca del taller

Fundamentos del Deep Learning y su Aplicación a la Gestión Deportiva es un curso diseñado para introducir a estudiantes, entrenadores, analistas y profesionales de la salud deportiva en los principios fundamentales del aprendizaje profundo, así como en sus aplicaciones prácticas dentro del contexto del rendimiento atlético y la toma de decisiones basada en datos.

El curso parte de una base teórica sólida que incluye los conceptos esenciales de redes neuronales artificiales, funciones de activación, retropropagación, optimización, regularización y arquitecturas modernas como redes convolucionales (CNN), recurrentes (RNN) y redes profundas residuales (ResNet). Se abordarán también frameworks de desarrollo como PyTorch y TensorFlow, así como buenas prácticas en la construcción, entrenamiento y validación de modelos.

Una parte central del curso está dedicada a casos reales en el ámbito deportivo: análisis de rendimiento basado en video, predicción de riesgo de lesiones a partir de datos fisiológicos, personalización de entrenamientos mediante clustering no supervisado, y análisis táctico utilizando visión por computadora. Se integrarán datasets públicos y simulaciones para que los estudiantes puedan desarrollar soluciones funcionales durante proyectos prácticos.

El objetivo es dotar a los participantes de una comprensión profunda tanto del funcionamiento interno de los modelos como de su potencial transformador en la industria deportiva. Se fomenta el pensamiento crítico y la capacidad para diseñar soluciones basadas en IA que optimicen la gestión deportiva, desde la planificación estratégica hasta el monitoreo individualizado de atletas.

Al finalizar, los estudiantes serán capaces de identificar oportunidades reales de aplicación del deep learning en el deporte, desarrollar modelos desde cero, e interpretar sus resultados de forma responsable, ética y con orientación al alto rendimiento.

Formación Académica y Actividad Profesional

Ingeniero Biomédico con formación en bioinformática e inteligencia artificial, especializado en el procesamiento de datos masivos aplicados a la salud, la biotecnología y el rendimiento humano. Actualmente a cargo de la Dirección de Tecnología en Shire Bio, liderando proyectos de análisis genómico y citogenético mediante arquitecturas computacionales optimizadas con IA. Profesor en la University of Advanced Technologies, con enfoque en programación, estructuras de datos, paralelismo y su aplicación en simulación, videojuegos y sistemas inteligentes.

Experiencia investigadora en transcriptómica, análisis multiómico y metaanálisis genético. Participación activa en congresos nacionales e internacionales con publicaciones sobre el núcleo enzimático del veneno de serpientes y variantes patogénicas en anemia de Fanconi. Durante una estancia en Colombia, se desarrollaron modelos estadísticos e inteligencia artificial para estudiar genes implicados en regeneración tisular. Dominio avanzado de lenguajes y herramientas clave como Python, R, C++, PyTorch, Docker, Pandas y AWS.

Fuerte interés en la aplicación de modelos de aprendizaje automático para el deporte, abordando desde la biomecánica del movimiento hasta el análisis de rendimiento y la prevención de lesiones, integrando IA con datos fisiológicos y cinemáticos. Perfil resiliente y creativo, con habilidades en liderazgo, pensamiento de diseño y trabajo colaborativo interdisciplinario. Comprometido con la transferencia de conocimiento en ciencia aplicada y el desarrollo de soluciones inteligentes orientadas al bienestar, la salud y la optimización del rendimiento deportivo.