Este evento ha pasado.
Defensa Tesis Licenciatura Santiago Nahmod
17 agosto, 2023 @ 5:00 pm - 6:00 pm
Título: MODELO PREDICTIVO DE AJEDREZ CON APRENDIZAJE PROFUNDO SOBRE TRANSFORMERS
Director: Julio C. Jacobo
Jurados: Enrique Segura y Ernesto Mislej.
Resumen:
El juego de Ajedrez, además de ser un desafı́o intelectual incluso para los mejores jugadores, también plantea un problema de gran interés para las Ciencias de la Compu tación por su enorme complejidad combinatoria en la cantidad de partidas posibles.
En esta tesis se propone un modelo predictivo de jugadas de ajedrez utilizando una arquitectura basada en transformers, una técnica de aprendizaje profundo que ha demostrado excelentes resultados en la tarea de modelado de lenguaje natural. El modelo fue entrenado con cientos de miles de partidas de ajedrez en formato PGN, lo que permitió capturar patrones y estrategias comunes en el juego.
Los resultados obtenidos muestran que el modelo es capaz de jugar largas partidas de ajedrez sin producir una gran cantidad de jugadas ilegales. Pero sin embargo, se concluye que el modelo todavía es inferior a los mejores motores de ajedrez como Stockfish.
En esta tesis se propone un modelo predictivo de jugadas de ajedrez utilizando una arquitectura basada en transformers, una técnica de aprendizaje profundo que ha demostrado excelentes resultados en la tarea de modelado de lenguaje natural. El modelo fue entrenado con cientos de miles de partidas de ajedrez en formato PGN, lo que permitió capturar patrones y estrategias comunes en el juego.
Los resultados obtenidos muestran que el modelo es capaz de jugar largas partidas de ajedrez sin producir una gran cantidad de jugadas ilegales. Pero sin embargo, se concluye que el modelo todavía es inferior a los mejores motores de ajedrez como Stockfish.
