BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.15.18//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Departamento de Computación
X-ORIGINAL-URL:https://www.dc.uba.ar
X-WR-CALDESC:Eventos para Departamento de Computación
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0200
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20190217T020000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20201127T093000
DTEND;TZID=America/Sao_Paulo:20201127T103000
DTSTAMP:20260517T074758
CREATED:20201124T162210Z
LAST-MODIFIED:20201124T162210Z
UID:6442-1606469400-1606473000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Agustín Garassino
DESCRIPTION:Título: Un estudio empírico comparativo sobre modelos de elección discreta. \nDirectores: Gerardo Berbeglia (MBS\, University of Melbourne)\, Gustavo Vulcano (UTDT) \nJurado: Juan José Miranbda Bront (UTDT) y Diego Fernández Slezak (UBA) \nJoin Zoom Meeting \nhttps://utdt.zoom.us/j/97608114345 \nMeeting ID: 976 0811 4345 \nResumen: La estimación de demanda es una tarea fundamental en gestión de operaciones y revenue management\, brindando los datos necesarios para control de inventario\, diseño de surtidos y modelos de pricing. La tarea es particularmente difícil en contextos operativos donde la disponibilidad de los productos varía a lo largo del tiempo\, induciendo la sustitución por parte de los consumidores. Además del clásico modelo multinomial logit (MNL) y sus extensiones (ej: nested logit\, mixed MNL)\, nuevos modelos de demanda fueron propuestos (ej: modelo de Markov Chain) y otros fueron recientemente revisitados (ej: el ranked-list y el exponomial). Al mismo tiempo\, nuevos algoritmos fueron desarrollados para facilitar su estimación (ej: generación de columnas\, expectation-maximization). En este trabajo se realizó un estudio sistemático y empírico de múltiples modelos de demanda basados en elección discreta\, y de distintos algoritmos de estimación\, incluyendo máxima verosimilitud y cuadrados mínimos. Con un exhaustivo conjunto de experimentos numéricos sobre datos sintéticos\, semi-sintéticos y reales\, se proveen estadísticas comparativas del poder predictivo y la performance económica de una amplia colección de modelos. A su vez se caracterizaron los entornos operativos adecuados para su implementación. Adicionalmente\, se realizó un resumen de todos los modelos evaluados.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-agustin-garassino/
LOCATION:ZOOM
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20201127T190000
DTEND;TZID=America/Sao_Paulo:20201127T200000
DTSTAMP:20260517T074758
CREATED:20201124T145408Z
LAST-MODIFIED:20201124T145408Z
UID:6439-1606503600-1606507200@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Matias Dinota
DESCRIPTION:Título: TDDGuru: una herramienta para el aprendizaje de TDD en Smalltalk\nDirector: Hernán Wilkinson\nJurados: Juan Pablo Galeotti y Martín Urtasum\n\nDía y hora: Viernes 27 de Noviembre\, 19 hrs.\nResumen:\nTest Driven Development (de ahora en adelante TDD) es un proceso de desarrollo de software que surge en la década del 2000 y fue tomando relevancia con el correr de los años tanto en el ámbito comercial como en el académico.\nEl presente trabajo describe la implementación de una herramienta —TDDGuru— para asistir en el aprendizaje a quienes están iniciándose en TDD. Fue desarrollada en CuisUniversity\, una distribución del Smalltalk open-source argentino denominado Cuis\, que actualmente se utiliza para la enseñanza universitaria de Programación Orientada a Objetos e Ingeniería de Software. Esta herramienta analiza el historial de cambios realizados por el programador (log) para determinar si este respetó las prácticas de TDD y\, en caso contrario\, informar los errores que se cometieron. Al utilizar el log de cambios\, el análisis no es intrusivo —permite que el usuario desarrolle con normalidad— y se realiza una vez terminada una parte o la totalidad de la implementación.\nAdemás de los detalles en la implementación de TDDGuru\, en el trabajo se muestran las extensiones que se hicieron a CuisUniversity para lograr tener un análisis completo de todas las acciones del usuario. Se detallan también las modificaciones realizadas al modelo de cambios de Cuis\, algunas de las cuales fueron incorporadas a la imagen base del sistema.\nPor último\, se describen las pruebas de uso real de la primera versión de la herramienta en el ambiente universitario. Las mismas permitieron hacer ajustes sobre TDDGuru y proporcionaron ideas para futuros cambios e investigaciones sobre la eficacia de la herramienta.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-matias-dinota/
LOCATION:YouTube
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR