Francisco (he/him) is a physicist and a leading researcher at CONICET, specializing in advanced quantitative remote sensing, electromagnetic scattering models, Bayesian inference, and deep learning techniques. With over two decades of experience in satellite-based time-series analysis, he has contributed significantly to major Argentine space missions (e.g., SAOCOM, SAC-D/Aquarius), focusing on the extraction of environmental parameters from SAR and multi-sensor satellite imagery.
Natalia (she/her) serves as Adjunct Investigator, bringing deep expertise in wetland and landscape ecology, biodiversity monitoring, and satellite-based remote sensing using optical, SAR, and polarimetric data. As a researcher at the Argentina’s National Research Council (CONICET), she has coordinated several national and international projects, emphasizing ecosystem monitoring and environmental risk assessment in complex habitats, including wetland systems of the Paraná River floodplain and coastal environments along Buenos Aires Province. She has been the PI or Co-PI on research agreements with Space Agencies (from Argentina, Japan, Canada, and Italia), involving the development of applications for wetland monitoring using SAR or PolSAR data from SAOCOM, ALOS/PALSAR-2 and RADARSAT-2 and CosmoSkyMed data. Besides, she is currently teaching the Ecology course at the University of San Martín (UNSAM) and collaborates with the Landscape Ecology course at the University of Buenos Aires (UBA).
Esteban (he/him) contributes strong expertise in data science, specializing in the application of machine learning and deep learning techniques to environmental challenges. He also has experience in the financial sector and in applying artificial intelligence to healthcare problems. His Ph.D. research focused on near-real-time deforestation detection using optical remote sensing combined with advanced machine learning models. His current roles as Senior Data Scientist and consultant emphasize methodological rigor in data analysis and the practical application of machine learning approaches. As an Adjunct Professor in the Data Science program at UNSAM, he designed and launched the university’s first Introduction to Machine Learning course, creating the syllabus, lectures, and assignments from scratch—and is now doing the same for the Advanced Machine Learning course.
Francisco (he/him) Environmental Engineering student, contributes technical expertise in environmental engineering, machine learning, and data management. His experience includes developing open-source monitoring tools and computational pipelines, with a particular focus on data quality and system reliability for environmental assessments and emission calculations. He also has a strong background in water and wastewater quality, management, and treatment, including the design and evaluation of treatment systems, regulatory compliance, and the integration of data-driven approaches to improve decision-making in water resource management. He is currently teaching the Introduction to Machine Learning Course at UNSAM.
Javier (he/him) M.Sc. in Physics, Ph.D. candidate at UBA, specializing in soil moisture estimation using SAR and GNSS data. Workplace: Institute of Astronomy and Space Physics, Remote Sensing Group. Skilled in physically based modeling, Bayesian inference, and advanced satellite image processing. Author of peer-reviewed publications and active contributor to scientific conferences. Possesses solid university teaching experience, serves as an invited reviewer for international journals, and engages in collaborative multidisciplinary research aimed at advancing Earth observation methods and applications.
Francisco (él) es físico e investigador principal del CONICET, especializado en teledetección cuantitativa avanzada, modelos de dispersión electromagnética, inferencia bayesiana y técnicas de aprendizaje profundo. Con más de dos décadas de experiencia en análisis de series temporales satelitales, ha contribuido significativamente a importantes misiones espaciales argentinas (p. ej., SAOCOM, SAC-D/Aquarius), centrándose en la extracción de parámetros ambientales a partir de imágenes satelitales SAR y multisensor.
Natalia (ella) se desempeña como Investigadora Adjunta, con amplia experiencia en ecología de humedales y paisajes, monitoreo de biodiversidad y teledetección satelital mediante datos ópticos, SAR y polarimétricos. Como investigadora del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), ha coordinado diversos proyectos nacionales e internacionales, con énfasis en el monitoreo de ecosistemas y la evaluación de riesgos ambientales en hábitats complejos, incluyendo los sistemas de humedales de la llanura aluvial del río Paraná y los ambientes costeros de la provincia de Buenos Aires. Ha sido Investigadora Principal o Co-Investigadora Principal en convenios de investigación con Agencias Espaciales (de Argentina, Japón, Canadá e Italia), involucrando el desarrollo de aplicaciones para el monitoreo de humedales utilizando datos SAR o PolSAR de SAOCOM, ALOS/PALSAR-2 y RADARSAT-2, y datos de CosmoSkyMed. Además, actualmente imparte la cátedra de Ecología en la Universidad de San Martín (UNSAM) y colabora con la cátedra de Ecología del Paisaje en la Universidad de Buenos Aires (UBA).
Esteban (él) aporta una sólida experiencia en ciencia de datos, especializándose en la aplicación de técnicas de aprendizaje automático y aprendizaje profundo a desafíos ambientales. También cuenta con experiencia en el sector financiero y en la aplicación de inteligencia artificial a problemas de salud. Su investigación de doctorado se centró en la detección de deforestación casi en tiempo real mediante teledetección óptica combinada con modelos avanzados de aprendizaje automático. Sus funciones actuales como Científico de Datos Sénior y consultor se centran en el rigor metodológico en el análisis de datos y la aplicación práctica de enfoques de aprendizaje automático. Como Profesor Adjunto del programa de Ciencias de Datos de la UNSAM, diseñó y puso en marcha el primer curso de Introducción al Aprendizaje Automático de la universidad, creando el programa de estudios, las clases y las tareas desde cero, y ahora está haciendo lo mismo para el curso de Aprendizaje Automático Avanzado.
Francisco (él) Estudiante de Ingeniería Ambiental, aporta experiencia técnica en ingeniería ambiental, aprendizaje automático y gestión de datos. Su experiencia incluye el desarrollo de herramientas de monitoreo de código abierto y canales computacionales, con especial énfasis en la calidad de los datos y la confiabilidad de los sistemas para evaluaciones ambientales y cálculos de emisiones. También cuenta con una sólida formación en calidad, gestión y tratamiento de agua y aguas residuales, incluyendo el diseño y la evaluación de sistemas de tratamiento, el cumplimiento normativo y la integración de enfoques basados en datos para mejorar la toma de decisiones en la gestión de recursos hídricos. Actualmente imparte el Curso de Introducción al Aprendizaje Automático en la UNSAM.
Javier (él) Licenciado Física, doctorando en la UBA especializado en la estimación de humedad del suelo mediante datos SAR y GNSS. Lugar de trabajo: Instituto de Astronomía y Física del Espacio, Grupo de Teledetección. Experiencia en modelado físico, inferencia bayesiana y procesamiento avanzado de imágenes satelitales. Autor de publicaciones revisadas por pares y participante activo en congresos científicos. Amplia trayectoria docente universitaria, revisor invitado en revistas internacionales y colaborador en investigación multidisciplinaria orientada al desarrollo de métodos y aplicaciones en observación de la Tierra.