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:-0300
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20200101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20211220T100000
DTEND;TZID=America/Sao_Paulo:20211220T110000
DTSTAMP:20260503T185003
CREATED:20211215T172134Z
LAST-MODIFIED:20211215T172134Z
UID:7263-1639994400-1639998000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Leonardo Teren
DESCRIPTION:Título: Buscador de Modelos Acotados para el demostrador de teoremas PVS\n\nDirectores: Mariano M. Moscato y Carlos G. Lopez Pombo\nJurados: Mariano Cerrutti y Francisco Zilliani\n\n\nResumen:\nLa demostración de teoremas en un ambiente interactivo\, donde la guía de una persona es necesaria\, es usualmente una actividad tediosa y muy propensa a fallas. Pequeños errores en la declaración original pueden provocar la pérdida de una cantidad considerable de tiempo por «forzar» al usuario a lidiar con la inútil tarea de intentar probar una propiedad que no es válida. Estos errores tienen un amplio rango de orígenes\, pero son mucho más probables de ocurrir cuando la actividad de demostración forma parte de desarrollos formales de gran complejidad. El Sistema de Verificación de Prototipos (conocido como PVS por su nombre en inglés) es un framework mecanizado para la especificación y verificación formal de artefactos en Lógica de Alto Orden. \nPor otro lado\, los analizadores automáticos han presentado un crecimiento pronunciado respecto a su poder de alcance en las últimas décadas. Nuevas técnicas pueden ser aplicadas ahora a problemas que no podían ser tratados en el pasado. Un ejemplo de esos analizadores es Kodkod: un buscador de modelos para Lógica Relacional de Primer Orden que\, entre otros usos\, sirve como backend para el Alloy Analyzer\, desarrollado por el Massachusetts Institute of Technology. \nEn esta tesis se presentan los primeros pasos para desarrollar un buscador de contraejemplos para PVS basado en Kodkod. Se propone un enfoque preliminar para una de las características fundamentales para el método propuesto\, que es la traducción entre un fragmento relevante del lenguaje de PVS y el de Kodkod. Además discutimos sobre el campo de aplicación de esta técnica automática en el contexto de la demostración de teoremas\, sobre sus limitaciones y otras técnicas similares.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-leonardo-teren/
LOCATION:ZOOM
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20211220T140000
DTEND;TZID=America/Sao_Paulo:20211220T160000
DTSTAMP:20260503T185003
CREATED:20211213T181852Z
LAST-MODIFIED:20211213T181852Z
UID:7253-1640008800-1640016000@www.dc.uba.ar
SUMMARY:Defensa Tesis Doctorado Sergio Romano
DESCRIPTION:Título: Técnicas y modelos del lenguaje del pensamiento para el aprendizaje automático a partir de cuerpos de datos ralos \nDirectores: Dr. Santiago Figueira y Dr. Mariano Sigman \nJurados: Dra. Luciana Benotti\, Dr. German Kruszewski y Dra. Ana Maguitman \nLa defensa se transmitirá por youtube: \nhttps://youtu.be/ZTe-_uxsKtU \nResumen: \nEn las últimas dos décadas\, distintas técnicas de ingeniería reversa del aprendizaje en humanos han influenciado el éxito de los algoritmos de aprendizaje automático. Técnicas como el aprendizaje profundo han alcanzado resultados notables en varios dominios como la detección visual de objetos\, el reconocimiento de voz\, o las traducciones automáticas\, entre otros. Sin embargo\, pese a que aprender a partir de pocos datos es una capacidad cotidiana de la mente humana\, las técnicas actuales de aprendizaje automático no dan las mismas garantías al respecto. \nInvestigaciones previas sobre modelos computacionales de la cognición humana han propuesto la idea de que la habilidad ubicua del ser humano para hacer predicciones sobre cuerpos ralos de datos se basa en el uso de modelos probabilísticos donde el conocimiento se representa en espacios adecuadamente estructurados sobre los que se aplican reglas de inferencia. Estos trabajos están revalorizando la hipótesis de Jerry Fodor que explica al pensamiento humano en una suerte de lenguaje mental llamado «Lenguaje del Pensamiento» compuesto por un conjunto de símbolos atómicos que pueden ser combinados en estructuras más complejas a partir de reglas combinatorias. \nEn este trabajo diseñamos y evaluamos distintos modelos del Lenguaje del Pensamiento para explicar el aprendizaje humano con pocos datos en diversos dominios: secuencias binarias en el dominio visual y auditivo\, secuencias geométricas en el campo visual\, y conceptos lógicos. En nuestros modelos suponemos que el Lenguaje del Pensamiento actúa como un lenguaje de programación capaz de generar programas para modelar conceptos del mundo\, y explicamos el aprendizaje como un proceso de inferencia probabilística sobre estos programas o con un enfoque de longitud mínima de descripción basado en las nociones de complejidad algorítmica. Proponemos\, a su vez\, distintas técnicas para mejorar el proceso de construcción y validación de los modelos del Lenguaje del Pensamiento con el objetivo de hacerlos más dinámicos y robustos.
URL:https://www.dc.uba.ar/event/defensa-tesis-doctorado-sergio-romano/
LOCATION:YouTube
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR