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:20210101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20220804T110000
DTEND;TZID=America/Sao_Paulo:20220804T120000
DTSTAMP:20260417T202226
CREATED:20220727T152354Z
LAST-MODIFIED:20220727T152354Z
UID:7659-1659610800-1659614400@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Gerardo Fuentes
DESCRIPTION:Título: Análisis de la evolución del aprendizaje y uso de TDD\nDirector: Hernán Wilkinson\nJurados: Juan Pablo Galeotti y Sebastían Uchitel \nResumen:\nActualmente si bien hay estudios sobre la aplicación de la técnica de Test\nDriven Development (de ahora en adelante TDD)\, ninguno se enfoca en la evolución\nde su aprendizaje. Debido a esto\, no hay material empírico sobre el cual basarse\npara planificar estrategias de enseñanza de la técnica\, o su evaluación.\nEn el presente trabajo se analizó la aplicación de TDD y la progresión de su\naprendizaje en el contexto de la cursada de la materia Ingeniería de Software I de la\nFacultad de Ciencias Exactas y Naturales de la UBA.\nPara este análisis se utilizó el modelo y la información que genera una\nherramienta de validación de uso de TDD. Como input de dicha herramienta se\nrecolectaron datos de alumnos de dos cuatrimestres de la materia Ingeniería de\nSoftware I\, puntualmente datos de ejercicios y parciales.\nUna vez que se obtuvo la información del uso de TDD\, se calcularon diversos\nindicadores con el fin de estudiar la evolución del aprendizaje de la técnica\, su\naplicación y detectar algún patrón entre los distintos valores calculados. Luego\, se\ncompararon los resultados obtenidos entre ejercicios y parciales para\nposteriormente cotejarlos entre ambos cuatrimestres analizados.\nSe realizó también una encuesta a los alumnos de los cuales se extrajeron\ndatos con el fin de validar algunos indicadores obtenidos y obtener información de\ncarácter más personal por parte de los estudiantes.\nSe pudo observar que\, si bien los alumnos aplicaron TDD en los ejercicios\, no\nlograron hacerlo en todo su contexto\, se mostrarán los motivos. \nPalabras Clave: TDD\, TDDGuru\, CuisUniversity\, Evolución de aprendizaje\, Ingeniería\nde Software
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-gerardo-fuentes/
LOCATION:Aula a confirmar
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20220804T170000
DTEND;TZID=America/Sao_Paulo:20220804T180000
DTSTAMP:20260417T202226
CREATED:20220726T180659Z
LAST-MODIFIED:20220801T140450Z
UID:7657-1659632400-1659636000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Ignacio Fernandez y Emiliano Galimberti
DESCRIPTION:Título: Optimización de reglas de asociación generalizadas y jerárquico-temporales\nDirector: Cecilia Ruz\nJurados: Vanina Martinez y Pablo Turjansky \nResumen:\n========\nReglas de asociación es una técnica de minería de datos no supervisada que permite generar hipótesis a partir de los datos. Esta técnica consiste en encontrar todos los subconjuntos de items que ocurren frecuentemente en una base de datos\, para luego  generar reglas que indiquen la influencia y relación entre los elementos de los subconjuntos conseguidos anteriormente. El\ndominio de problema más común son las compras de supermercado.\nLas reglas de asociación generalizadas son una extensión de las reglas de asociación. Éstas aprovechan el uso de una taxonomía predefinida sobre los datos para obtener información más abstracta y compacta. La taxonomía es definida por un experto del dominio o por un proceso automático. En el caso de una base de datos transaccional como las compras del supermercado\, la taxonomía puede ser la categorización de los productos.\nOtra extensión son las reglas de asociación temporales. Éstas buscan relacionar el espacio temporal con los items de la base de datos y utilizar esta información para obtener los subconjuntos que ocurren frecuentemente en distintos períodos de tiempo\, sin descartarlos en caso de no cumplir con la frecuencia deseada en la totalidad de la base de datos. Vamos a utilizar una jerarquía\ntemporal que nos ayudará a buscar reglas por períodos granulares.\nEn el presente trabajo se investigaron las soluciones existentes para este problema y las extensiones mencionadas. Luego\, se llevaron a cabo implementaciones de cada una de ellas\, agregando técnicas de optimización apoyadas por experimentación para luego concluir con la creación de un algoritmo que combina las reglas generalizadas con las temporales.\nFinalmente\, estos algoritmos se disponibilizarán mediante una librería pública en Python para su uso académico y profesional.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-ignacio-fernandez-y-emiliano-galimberti/
LOCATION:Aula 1113
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR