Título: Deep Learning on Object Oriented Dynamically Typed Languages

Jurados: Agustín Martinez, Juan Pablo Galeotti

Está tesis fue realizada en el marco del programa +acompañamiento de Exactas (https://exactas.uba.ar/acompanamiento/)

Resumen: 

En este trabajo desarrollamos un framework para definir y entrenar modelos de aprendizaje automático en Smalltalk, un lenguaje orientado a objetos reflexivo y dinámicamente tipado. Este framework busca proporcionar una solución intuitiva y escalable para la construcción de modelos de IA, aprovechando las mejores prácticas de diseño a lo largo de su desarrollo.

Utilizamos la librería open-source TensorFlow, especializada en resolver expresiones matemáticas complejas y ampliamente utilizada en soluciones de IA. Esto nos permite enfocarnos en el diseño y desarrollo de nuestra herramienta sin la necesidad de abordar directamente los desafíos numéricos de bajo nivel. Nuestro objetivo es ofrecer una base de código clara y autoexplicativa que pueda ser fácilmente entendida y ampliada en futuros desarrolladores.

Finalmente, comparamos los resultados y el rendimiento de nuestra solución con herramientas similares en otros lenguajes, como Keras en Python, así como en dos dialectos de Smalltalk, destacando tanto las fortalezas como las limitaciones de nuestro enfoque.