To make it easy for you to get started with GitLab, here's a list of recommended next steps.
Already a pro? Just edit this README.md and make it your own. Want to make it easy? [Use the template at the bottom](#editing-this-readme)!
## Add your files
-[ ] [Create](https://docs.gitlab.com/ee/user/project/repository/web_editor.html#create-a-file) or [upload](https://docs.gitlab.com/ee/user/project/repository/web_editor.html#upload-a-file) files
-[ ] [Add files using the command line](https://docs.gitlab.com/ee/gitlab-basics/add-file.html#add-a-file-using-the-command-line) or push an existing Git repository with the following command:
-[ ] [Set up project integrations](https://gitmilab.redclara.net/el-bongo/minutas/minutas-comunidad-ia-hpc/-/settings/integrations)
## Collaborate with your team
-[ ] [Invite team members and collaborators](https://docs.gitlab.com/ee/user/project/members/)
-[ ] [Create a new merge request](https://docs.gitlab.com/ee/user/project/merge_requests/creating_merge_requests.html)
-[ ] [Automatically close issues from merge requests](https://docs.gitlab.com/ee/user/project/issues/managing_issues.html#closing-issues-automatically)
Use the built-in continuous integration in GitLab.
-[ ] [Get started with GitLab CI/CD](https://docs.gitlab.com/ee/ci/quick_start/index.html)
-[ ] [Analyze your code for known vulnerabilities with Static Application Security Testing (SAST)](https://docs.gitlab.com/ee/user/application_security/sast/)
-[ ] [Deploy to Kubernetes, Amazon EC2, or Amazon ECS using Auto Deploy](https://docs.gitlab.com/ee/topics/autodevops/requirements.html)
-[ ] [Use pull-based deployments for improved Kubernetes management](https://docs.gitlab.com/ee/user/clusters/agent/)
-[ ] [Set up protected environments](https://docs.gitlab.com/ee/ci/environments/protected_environments.html)
***
# Editing this README
When you're ready to make this README your own, just edit this file and use the handy template below (or feel free to structure it however you want - this is just a starting point!). Thanks to [makeareadme.com](https://www.makeareadme.com/) for this template.
## Suggestions for a good README
Every project is different, so consider which of these sections apply to yours. The sections used in the template are suggestions for most open source projects. Also keep in mind that while a README can be too long and detailed, too long is better than too short. If you think your README is too long, consider utilizing another form of documentation rather than cutting out information.
## Name
Choose a self-explaining name for your project.
## Description
Let people know what your project can do specifically. Provide context and add a link to any reference visitors might be unfamiliar with. A list of Features or a Background subsection can also be added here. If there are alternatives to your project, this is a good place to list differentiating factors.
## Badges
On some READMEs, you may see small images that convey metadata, such as whether or not all the tests are passing for the project. You can use Shields to add some to your README. Many services also have instructions for adding a badge.
## Visuals
Depending on what you are making, it can be a good idea to include screenshots or even a video (you'll frequently see GIFs rather than actual videos). Tools like ttygif can help, but check out Asciinema for a more sophisticated method.
## Installation
Within a particular ecosystem, there may be a common way of installing things, such as using Yarn, NuGet, or Homebrew. However, consider the possibility that whoever is reading your README is a novice and would like more guidance. Listing specific steps helps remove ambiguity and gets people to using your project as quickly as possible. If it only runs in a specific context like a particular programming language version or operating system or has dependencies that have to be installed manually, also add a Requirements subsection.
## Usage
Use examples liberally, and show the expected output if you can. It's helpful to have inline the smallest example of usage that you can demonstrate, while providing links to more sophisticated examples if they are too long to reasonably include in the README.
## Support
Tell people where they can go to for help. It can be any combination of an issue tracker, a chat room, an email address, etc.
## Roadmap
If you have ideas for releases in the future, it is a good idea to list them in the README.
## Contributing
State if you are open to contributions and what your requirements are for accepting them.
For people who want to make changes to your project, it's helpful to have some documentation on how to get started. Perhaps there is a script that they should run or some environment variables that they need to set. Make these steps explicit. These instructions could also be useful to your future self.
You can also document commands to lint the code or run tests. These steps help to ensure high code quality and reduce the likelihood that the changes inadvertently break something. Having instructions for running tests is especially helpful if it requires external setup, such as starting a Selenium server for testing in a browser.
## Authors and acknowledgment
Show your appreciation to those who have contributed to the project.
## License
For open source projects, say how it is licensed.
## Project status
If you have run out of energy or time for your project, put a note at the top of the README saying that development has slowed down or stopped completely. Someone may choose to fork your project or volunteer to step in as a maintainer or owner, allowing your project to keep going. You can also make an explicit request for maintainers.
# Meeting Summary for Reunión IA HPC EL-BONGÓ | 2025-03-26
> Mar 26, 2025 09:56 AM Bogota ID: 882 1376 2301
> Video de la reunión:
## Quick recap
La reunión se centró en el proyecto EL-BONGÓ physics, que busca crear una comunidad de investigación en física de altas energías, computación de alto rendimiento e inteligencia artificial en América Latina. Los participantes discutieron oportunidades de movilidad estudiantil, colaboración entre universidades y el desarrollo de proyectos prácticos en áreas como machine learning, análisis de datos y procesamiento de señales. Se propuso la creación de una plataforma para acceder a recursos computacionales compartidos y se acordó continuar trabajando en la formación de capacidades y el desarrollo de un currículo paralelo a la investigación.
### Next steps
- Todos los participantes: Inscribirse en el sistema de mensajería instantánea Mattermost y unirse al canal de la comunidad IA/HPC.
- Todos los participantes: Contribuir al documento compartido de Google con ideas y capacidades para la comunidad IA/HPC.
- Fabio: Preparar un resumen de las capacidades y áreas de interés de su grupo de investigación para compartir con la comunidad.
- Luis: Organizar una reunión de seguimiento en 15 días para discutir ideas más concretas sobre la comunidad IA/HPC.
- CAMILO: Desarrollar una propuesta para un estudio sobre cómo los estudiantes de física están utilizando las herramientas de inteligencia artificial.
- Todos los participantes: Considerar posibles líneas de investigación y proyectos colaborativos que involucren a estudiantes de diferentes instituciones.
- Luis Explorar la posibilidad de integrar los datos de los sensores de otras comunidades del proyecto para aplicaciones de IA y computación federada.
- Giovanni: Compartir información sobre los clusters disponibles en su institución y las opciones de acceso a recursos de computación en América Latina.
- Todos los participantes: Comenzar a planificar cursos y materiales de formación para estudiantes en el marco de la comunidad IA/HPC.
- Oscar: Proporcionar más detalles sobre las oportunidades de formación y pasantías en el INSA de Lyon para estudiantes latinoamericanos.
## Summary
### Proyecto EL-BONGÓ
Luis presenta el proyecto "El Bongó", una continuación de un proyecto Erasmus anterior que busca crear una comunidad de investigación en física de altas energías, computación de alto rendimiento e inteligencia artificial en América Latina. El nuevo proyecto, que involucra a países de Sudamérica y Centroamérica, se enfoca en el aprendizaje práctico, la ciencia abierta y la creación de una red de laboratorios distribuidos con acceso remoto. Se propone un programa de formación que incluye cursos de ciencia de datos, instrumentación científica y disciplinas específicas, junto con actividades como hackathons, ciencia ciudadana y pasantías de investigación.
### Reunión De Alianza De IA Y Física
La reunión reúne a profesionales y estudiantes de diversas áreas, incluyendo física de altas energías, inteligencia artificial y ciencias de la computación, provenientes de diferentes países latinoamericanos. Los participantes se presentan brevemente, destacando sus campos de especialización y afiliaciones institucionales, con un enfoque particular en la aplicación de machine learning y análisis de datos en sus respectivas investigaciones. Se menciona la colaboración previa en el proyecto LA-CoNGA y se expresa interés en continuar trabajando juntos en futuras iniciativas relacionadas con la inteligencia artificial y la física computacional.
### Creación De Comunidades Dentro de EL-BONGÓ
La reunión se centra en la creación de comunidades dentro del proyecto EL-BONGÓ, discutiendo cómo aglutinar grupos de trabajo en diferentes áreas como geofísica e inteligencia artificial. Luis explica que el proyecto ofrece fondos para movilidad estudiantil y de profesores dentro de América Latina, así como equipamiento y acceso a capacidades de cómputo a través de la organización SCALAC. Se enfatiza la importancia de desarrollar líneas de trabajo comunes, formar estudiantes y utilizar esta estructura para presentarse ante otros entes financieros, aprovechando la asociación con un proyecto europeo Erasmus como carta de presentación.
### Discusión De Machine Learning
La reunión se centra en la discusión de una comunidad de informáticos que trabaja en proyectos relacionados con machine learning e inteligencia artificial. Fabio y José Ocariz destacan la importancia de la formación en estos temas para científicos y su aplicación en áreas como la salud, especialmente en enfermedades endémicas de la región. Se menciona la posibilidad de desarrollar proyectos específicos, como un cluster de Raspberry Pi para computación de borde con detectores de rayos cósmicos.
### Movilidad Estudiantil Y Colaboración en Investigación.
Fabio y Oscar discuten la movilidad estudiantil y la colaboración en investigación, destacando oportunidades en análisis de datos y modelos federativos. Se mencionan plataformas de cómputo como Scalac, Grid 5000 y UPY para el aprendizaje de estudiantes. Oscar también describe el Cortex Lab en Lyon, una cámara anecoica única en Europa para experimentos de tratamiento de señales.
### Colaboración De Movilidad Estudiantil.
La reunión se centra en la discusión de oportunidades de movilidad estudiantil y colaboración entre universidades en América Latina y Europa. Oscar y José Ocariz hablan sobre la posibilidad de recibir estudiantes de maestría y doctorado, así como de crear programas que combinen estudios en diferentes países. Se explora la idea de desarrollar proyectos prácticos, como la construcción de sensores en Fab Labs y el análisis de datos utilizando inteligencia artificial. Hamilton menciona su interés en cómputo de alto rendimiento para cálculos de nanoestructuras.
### Colaboración en IA Para Sensores.
La reunión se centra en la aplicación de modelos de inteligencia artificial en sensores para procesamiento de señales y detección de anomalías. CAMILO describe el uso de modelos económicos en computación y energía, implementados en sensores modestos como Raspberry Pi. Luis propone la colaboración entre diferentes comunidades, como salud, geofísica y astropartículas, para aplicar estos modelos a diversos proyectos. Mario menciona la importancia de la comunicación entre comunidades y destaca los recursos naturales de El Salvador para posibles aplicaciones.
### Comunidad De IA der América Latina.
La reunión se centra en la creación de una comunidad de cómputo avanzado e inteligencia artificial en América Latina. Los participantes discuten la importancia de conectar diferentes instituciones, compartir recursos computacionales y desarrollar guías para estudiantes sobre el uso de herramientas de IA. Se propone crear un estudio sobre cómo los estudiantes de física utilizan estas herramientas y desarrollar una plataforma para acceder a redes de cómputo avanzado en la región. Además, se menciona la posibilidad de implementar modelos de inteligencia artificial federativa y aprovechar la red de universidades del consorcio para realizar pruebas y aplicaciones a mayor escala.
### Comunidad HPC Bajo Comunicación Instantánea.
La reunión se centra en la creación de una comunidad de HPC (High Performance Computing) utilizando una plataforma de mensajería instantánea instalada en los servidores de Scalac de Red Clara. Luis invita a los participantes a inscribirse en la comunidad y propone una próxima reunión en 15 días para discutir ideas más concretas sobre temas, número de estudiantes y posibles cursos. CAMILO enfatiza la importancia de la formación de capacidades y la creación de un currículo paralelo a la investigación, mientras que los participantes acuerdan comenzar a trabajar en un documento compartido para desarrollar ideas y resumir la información del proyecto.
> AI-generated content may be inaccurate or misleading. Always check for accuracy.
