Camila Engler: su experiencia como integrante del equipo de la Línea de Modelos Predictivos
Cuando descubrió que la Bioinformática era su vocación, Camila Engler no dudó en mudarse desde su pueblo natal, Esperanza (Santa Fe), a Oro Verde, en la provincia de Entre Ríos. Allí cursó sus estudios de la licenciatura en Bioinformática, de la Facultad de Ingeniería de la Universidad Nacional de Entre Ríos. En el tramo final de sus estudios, la joven se sumó al equipo de ARPHAI, donde pudo desarrollar la experiencia que necesitaba.
«La bioinformática engloba la investigación, el desarrollo y la aplicación de herramientas informáticas en problemas biológicos, médicos, biotecnológicos. Era la que más me interesaba por el modo que tenía de analizar y aplicar los datos a problemas en distintas áreas, especialmente en salud humana, que era uno de mis principales intereses«, explica la joven.
En esta entrevista, Camila repasa su experiencia dentro del equipo y qué significó en su formación profesional haber sido parte de este proyecto.
Acerca de sus próximos proyectos y el siguiente paso en su formación, la joven cuenta que está en busca de proyectos de doctorado, ya que le gustaría seguir en este camino. «Especialmente la aplicación de modelado y métodos computacionales al campo de la salud», señala.
Tras haber realizado su experiencia como parte del equipo de trabajo de la Línea de Modelos Predictivos, Camila completó sus estudios y presentó un artículo académico, con el que selló su recorrido y le permitió graduarse como Licenciada en Bioinformática.
Mi trabajo dentro de ARPHAI me permitió escribir un artículo cuya publicación me va a permitir recibirme como Licenciada en Bioinformática y también pude presentarlo en un congreso, lo cual fue una gran experiencia».
El artículo académico escrito por Camila fue presentado en la conferencia Computational Science and Its Applications – ICCSA 2022 e incluido en sus posteriores publicaciones, como parte de la serie Lecture Notes in Computer Science.
Leer el artículo completo en inglés: Prediction of the Impact of the End of year Festivities on the Local Epidemiology of COVID-19 Using Agent-Based Simulation with Hidden Markov Models