BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.15.18//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
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:20220101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20230817T170000
DTEND;TZID=America/Sao_Paulo:20230817T180000
DTSTAMP:20260407T200901
CREATED:20230817T130644Z
LAST-MODIFIED:20230817T134241Z
UID:8548-1692291600-1692295200@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Santiago Nahmod
DESCRIPTION:Título: MODELO PREDICTIVO DE AJEDREZ CON APRENDIZAJE PROFUNDO SOBRE TRANSFORMERS\n\nDirector: Julio C. Jacobo\nJurados: Enrique Segura y Ernesto Mislej.\n\n\nResumen:\nEl 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.\nEn 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.\nLos 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.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-santiago-nahmod/
LOCATION:Aula 1204
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR