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:20231214T140000
DTEND;TZID=America/Sao_Paulo:20231214T150000
DTSTAMP:20260404T155550
CREATED:20231211T132333Z
LAST-MODIFIED:20231214T134033Z
UID:8814-1702562400-1702566000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Mateo Marenco
DESCRIPTION:Título: Exploración de métodos para medir dificultad en ajedrez: extensiones\, mejoras y limitaciones\nDirector: Dr. Ariel Arbiser\nJurados: Dr. Enrique Segura\, Dr. Pablo Turjanski \nRESUMEN\nEn este trabajo buscamos métodos computacionales para estimar la dificultad de una posición en ajedrez para jugadores humanos\, con resultados extrapolables a otros juegos.\nNo existe una forma rigurosa de determinar cuándo en una posición es fácil o difícil encontrar la mejor jugada\, pero intuitivamente podemos asociar este problema a hallar la probabilidad objetiva o subjetiva de que un jugador cometa un error.\nExploramos primeramente trabajos previos que encaran el problema de formas diversas\, teniendo todas en común el uso de algún motor de ajedrez para estimar la evaluación de cada posición. Luego consideramos problemas de ajedrez\, centrándonos en un modelo basado en árboles significativos. Analizamos el aporte de los distintos atributos propuestos sobre modelos de aprendizaje automático como árboles de decisión y redes neuronales. Hacemos un análisis que evidencia que los árboles significativos poseen limitaciones intrínsecas para distinguir la dificultad de los problemas.\nFinalmente\, proponemos un enfoque para estimar la dificultad mediante un esquema que busca emular la forma y el orden en que los jugadores humanos consideran jugadas candidatas. Con este último mecanismo y mediante aprendizaje automático obtuvimos mejores resultados\, que evaluamos a través del coeficiente de determinación.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-mateo-marenco/
LOCATION:Aula 1205
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR