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:20220826T133000
DTEND;TZID=America/Sao_Paulo:20220826T143000
DTSTAMP:20260418T085654
CREATED:20220825T130922Z
LAST-MODIFIED:20220825T130922Z
UID:7762-1661520600-1661524200@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Martín Amigo y Tobías Carreira Munich
DESCRIPTION:Título: «Un modelo de estimación de habilidad para la Asociación Argentina de Go con perspectiva internacional»\nDirector: Esteban Mocskos\nDirector adjunto: Gustavo Landfried\nJurados: Agustín Gutierrez y Matías López-Rosenfeld \nTransmision en vivo: https://youtu.be/IAFimyMvBpg \nResumen\n=======\nEl Go es un juego de mesa milenario creado en Asia que\, a pesar de tener reglas relativamente sencillas\, presenta una enorme complejidad combinatoria en cuanto a las posibles jugadas. Esto deriva en grandes\ndiferencias de habilidad entre distintos jugadores. Es una práctica común que\, cuando la diferencia de habilidad entre dos jugadores es muy grande\, se ofrezca una ventaja para producir un juego más entretenido. En la tradición del Go existe un sistema de ranking con el que se intenta clasificar a las personas en niveles con la idea de que la diferencia de niveles represente la ventaja que una persona debería otorgarle a la otra.\nSin embargo\, determinar la ventaja necesaria para alcanzar un buen equilibrio en el juego es un problema de difícil solución ya que depende de la estimación de la habilidad de cada uno de los jugadores. El problema de estimar la probabilidad de ganar comenzó a resolverse a mediados del siglo pasado con el objetivo de evaluar la habilidad de los jugadores profesionales de ajedrez. Desde entonces la mayoría de los modelos utilizan la probabilidad del resultado observado\, r\, para actualizar las estimaciones de habilidad s\, P(r|si\, sj). En el caso del Go\, además es importante estimar el efecto que produce la ventaja en la probabilidad de ganar.\nActualmente\, la Asociación Argentina de Go (AAGo) reúne a las personas aficionadas del juego de Go en nuestro país y utiliza el sistema de ranking de la Asociación Estadounidense de Go. En la práctica\, este\nalgoritmo ha mostrado tener serias dificultades según manifiestan los propios miembros de la AAGo. La dificultad particular que tiene la AAGo es el tamaño de su comunidad que además está compuesta por una gran diversidad de habilidades.\nEn esta tesis nos propusimos desarrollar un sistema para la AAGo que mejore sustancialmente las estimaciones de habilidad con las que cuentan en la actualidad haciendo un uso eficiente de los datos.\nPara ello\, decidimos adaptar el modelo estado del arte en la industria del video juego\, TrueSkill Through Time (TTT)\, de modo tal que incorpore los efectos de las ventajas\, modelo que llamamos TTT-hreg. En vez de propagar la información en un único sentido\, del pasado al futuro\, TTT propaga la información a través de todo el sistema ofreciendo así mejores estimaciones de habilidad con menor cantidad de datos.\nLuego de su publicación original\, se implementó un algoritmo similar denominado Whole History Rating (WHR)\, de referencia en la actualidad en la estimación de habilidad de los jugadores profesionales de Go.\nAmbos algoritmos que utilizan toda la historia (TTT y WHR) mostraron tener un desempeño altamente superior al algoritmo utilizado actualmente por la AAGo. En particular\, el modelo WHR mostró tener predicciones a priori mejores que TTT. Por otro lado\, este último tiene la ventaja de permitir agregar nuevos factores respetando las reglas de la probabilidad dentro del marco bayesiano\, simplificando su uso y adaptación a nuevos contextos.\nEn la actualidad\, no es posible comparar las estimaciones de habilidad obtenidas por las diferentes Asociaciones de Go del mundo\, no sólo porque utilizan sistemas diferentes\, sino porque en general son bases\nde datos disconexas. Sin embargo\, unos pocos vı́nculos entre bases de datos le permitirían a nuestra solución propagar la información eficientemente\, garantizando la comparabilidad entre las diversas asociaciones internacionales. En este trabajo dejamos sentadas las bases para extender el uso de nuestra solución como medida de referencia internacional utilizando la base de datos completa de KGS con 100\nmillones de partidas de todas las asociaciones de Go del mundo. \nPalabras clave: Habilidad\, Go\, Handicap\, Aprendizaje\, Comparabilidad
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-martin-amigo-y-tobias-carreira-munich/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR