FacebookTwitterYouTubeInstagram
Loading...
Home2024-12-19T10:37:13-03:00

Novedades.

ÚLTIMAS NOTICIAS

DÁTAME: Hacia modelos de aprendizaje automático más robustos y equitativos

19/03/2025|Categories: Novedades|

Este jueves 20/03 adelantamos DÁTAME! de Marzo, la primera de 2025! El encuentro será a las 16 hs. en el aula 1401 del Edificio 0+Infinito. La presentación estará a cargo de Celia Cintas (IBM Research Africa – Nairobi) y el título de la charla es: Hacia modelos de aprendizaje automático más robustos y equitativos

Read More

Del cálculo de riesgo en inversiones a la mejora de experiencia del desarrollador

28/02/2025|Categories: Novedades|

Emilio Platzer es Licenciado en Ciencias de la Computación (UBA). Se especializa en desarrollo de software y coordinación de equipos Full Stack. Desde agosto de 2023 es profesor adjunto del Departamento de Computación (DC) - Exactas UBA- retornando después de casi 15 años como docente del DC. En esta entrevista, nos cuenta sobre su rol docente y su destacada presencia como Senior Manager en Simcorp.

Read More
Ver más novedades

¿POR QUÉ ESTUDIAR COMPUTACIÓN EN EXACTAS?

Enterate en el sitio de nuestras carreras

Ir al sitio

COMUNIDAD DC

Cursada de grado / Tesis de licenciatura / Doctorado / Concursos docentes / Servicios internos / Descargas

Ver

AGENDA

SEGUINOS EN NUESTRAS REDES

[yottie channel=»https://www.youtube.com/channel/UCNYIkWhMnlLFt3W9CKN_b_w» header_visible=»false» groups_visible=»false»]

Título: PPA - Un asistente de demostración para lógica de primer orden con extracción de testigos usando la traducción de Friedman Estudiante: Manuel Panichelli Director: Pablo Barenbaum Jurados: Verónica Becher, Miguel Pagano (FaMAF, UNC) Resumen: Los asistentes de demostración son programas que simplifican la escritura de demostraciones matemáticas, permitiendo la colaboración masiva o la verificación formal de programas. Existen muchos asistentes como Mizar, Coq e Isabelle, basados en distintas teorías. Un criterio deseable que pueden cumplir es el de De Bruijn: a partir de demostraciones en un lenguaje de alto nivel se pueden extraer demostraciones en un lenguaje núcleo fácilmente verificable. Esto elimina la necesidad de tener que confiar en la implementación del asistente, ya que las demostraciones pueden ser verificadas por un programa independiente. En esta tesis se presenta PPA, un asistente de demostración para lógica clásica de primer orden. Cumple con el criterio de De Bruijn, generando demostraciones en el sistema lógico de deducción natural a partir de programas escritos en un lenguaje de alto nivel, cuyo objetivo es ser similar a cómo serían en lenguaje natural. Tiene un mecanismo principal de demostración, el by, que por debajo cuenta con un solver heurístico para lógica de primer orden que facilita la escritura de demostraciones. Está inspirado en el mecanismo análogo en Mizar. Algunos asistentes implementan la extracción de testigos de existencial. Dada una demostración de ∃x.p(x), se extrae un testigo t tal que cumpla p(t). Es sencillo hacerlo sobre lógica intuicionista por su naturaleza constructiva, pero un desafío sobre lógica clásica, que no lo es. Para ello hay dos grandes categorías: directas (mediante técnicas semánticas como realizabilidad clásica) o indirectas (mediante traducciones a otra lógica, como intuicionista). El aporte principal del trabajo es una implementación práctica de la extracción de testigos. PPA la implementa de forma indirecta usando la traducción de Friedman, que permite convertir demostraciones clásicas de fórmulas Π2 de la forma ∀y0...∀yn.∃x.φ, con φ sin cuantificadores, a demostraciones intuicionistas. Se describe cómo una vez traducidas pueden ser normalizadas usando reglas de reducción bien conocidas, que se corresponden con las reglas de reducción del cálculo-lambda vistas desde el isomorfismo Curry–Howard. Finalmente, de una demostración normalizada se podrá extraer un testigo. Identificamos algunos detalles en la implementación práctica de la traducción, que limitan las fórmulas para las cuales se puede usar (más allá de la limitación teórica de Π2) y también limitan las axiomatizaciones de las teorías que se pueden procesar. Palabras clave: asistente de demostración, lógica de primer orden, deducción natural, lógica clásica, lógica intuicionista, extracción de testigos, traducción de Friedman.
Defensa de Tesis de Licenciatura de Manuel Panichelli
Título: EVALUACIÓN DE RENDIMIENTO DE HUMANOS Y MODELOS GENERATIVOS EN TAREAS DE GENERACIÓN DE IMÁGENES A PARTIR DE TEXTO Estudiante: Paula Pérez Bianchi Directores: Diego Fernandez Slezak, Pablo Riera Jurados: Emmanuel Iarussi, Pablo Turjanski Resumen: Frente a la evolución de los modelos generativos, persisten preguntas sobre sus capacidades en comparación con las de los humanos. En esta tesis se propone una tarea innovadora para abordar este problema, evaluar modelos de texto a imagen mediante un experimento de neurociencia inspirado en el juego del ``teléfono descompuesto''. Este experimento, realizado con humanos, se planteó en el contexto de las ciencias cognitivas con el objetivo de identificar los elementos descriptivos que influyen en la comunicación del conocimiento. Dado que los modelos generativos pueden estar involucrados en múltiples fases dentro del experimento, inicialmente se concentró el análisis en la fase que incluye la generación de imágenes a partir de descripciones textuales. Esto permitió comparar directamente el rendimiento de los modelos de texto a imagen con la capacidad humana. Se exploraron dos modelos Stable Diffusion v1.5 y DALL·E 3 y varias técnicas de alignment para generar imágenes de composiciones geométricas utilizando las descripciones humanas recolectadas durante el experimento anterior. Finalmente se realizó una evaluación crowdsourced de las imágenes generadas, encontrando que los humanos superan tanto a DALL·E 3 como a Stable Diffusion v1.5 en esta tarea. Palabras clave: IA Generativa, Human-machine interaction, Evaluación de modelos, fine-tuning, Stable Diffusion.
Defensa de Tesis de Licenciatura de Paula Pérez Bianchi
Título: Estudiante: Philip Garrett Director: Juan Pablo Galeotti Jurados: Martín Urtasún, Hernán Wilkinson. Resumen: En el presente trabajo se introducen dos mejoras de usabilidad a EvoMaster, una herramienta open-source de generación automática de casos de test para APIs REST, GraphQL y RPC en base a algoritmos genéticos. El core de la herramienta es el encargado de utilizar algoritmos evolutivos, en particular el algoritmo de búsqueda MIO para generar los casos de test. Dicha generación abarca la caracterización del objeto de test y a su vez la escritura de los casos de test en el lenguaje elegido. Las mejoras se encuentran orientadas a la escritura de los casos. Por un lado se incorpora Python como una nueva elección de salida para los casos de black-box Fuzzing. Por el otro, se utiliza la información obtenida por el algoritmo genético para nombrar los casos de test en base a las acciones y objetos de test que el mismo se encuentre evaluando. Dichas mejoras se evaluaron utilizando APIs pertenecientes a un benchmark de EvoMaster. Palabras clave: REST, GraphQL, RPC, APIs, Algoritmos Evolutivos, Test Naming, Python.
Defensa de Tesis de Licenciatura de Philip Garrett
Cargar más... Subscribe

© 2018  | Departamento de Computación | Todos los derechos reservados
Toggle Sliding Bar Area

COMUNIDAD DC

Ir a Arriba