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:20240101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20251202T090000
DTEND;TZID=America/Sao_Paulo:20251202T100000
DTSTAMP:20260409T142330
CREATED:20251126T130003Z
LAST-MODIFIED:20251126T130018Z
UID:10294-1764666000-1764669600@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Marcelo Guzmán Lamperti
DESCRIPTION:Título: Refactorings Automatizados en ambientes con Live Typing\nDirector: Hernán Wilkinson\nJurados: Agustín Martinez\, Juan Pablo Galeotti \nResumen:\nLos refactorings automatizados son una herramienta clave que ayuda al programador a reorganizar código de manera semi-automática\, sin afectar la semántica del mismo\, y facilitando la escritura en pos de obtener una abstracción del modelado más precisa y elegante. La presente tesis explora modificaciones a ciertos refactorings preexistentes de CuisUniversity (una distribución de Smalltalk con soporte de tipos mediante LiveTyping) e introduce nuevos. Más precisamente\, se busca la mejora de los refactorings Push Up y Push Down\, cuya utilidad es permitir mover variables de instancia y métodos\, tanto hacia arriba como hacia abajo en la jerarquía de clases. A su vez\, se introduce un nuevo refactoring: Extract Parameter Object\, que permite crear un objeto que encapsule ciertos parámetros de un método dado. Por último\, se realizan mejoras al refactoring de Extract Method para detectar de manera más inteligente posibles repeticiones en el código. \nPalabras claves: Refactorings\, TDD\, Smalltalk\, LiveTyping\, PushUp\, PushDown\, ExtractParameterObject\, ExtractMethod
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-marcelo-guzman-lamperti/
LOCATION:Aula a confirmar
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20251202T130000
DTEND;TZID=America/Sao_Paulo:20251202T140000
DTSTAMP:20260409T142330
CREATED:20251126T130354Z
LAST-MODIFIED:20251126T130354Z
UID:10297-1764680400-1764684000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Mauro Giordano
DESCRIPTION:Título: Estudio de la homología de proteínas mediante embeddings basados en repeticiones maximales de sus secuencias\nDirector: Dr. Pablo Turjanski\nCo-Director: Dr. Diego Ferreiro\nJurados:\nDra. Rocío Espada\nDr. Esteban Lanzarotti \nResumen:\nEl estudio de homología de proteínas y su clasificación en familias son pilares de la biología molecular\, sin embargo los métodos tradicionales suelen ser costosos\, lentos y dependientes de heurísticas con múltiples parámetros ajustables. Este trabajo introduce una estrategia no supervisada para abordar este desafío\, buscando representar el espacio de secuencias de proteínas de una forma que permita medir distancias con significado biológico. El método formulado se basa en la construcción de embeddings a partir de definir un “vocabulario biológico” basado en las repeticiones maximales (MRs) de aminoácidos presentes en un corpus de secuencias. El pipeline desarrollado computa estos patrones y permite entrenar un modelo FastText (basado en skip-gram) para aprender una representación espacial de las secuencias. A partir de estudiar la composición y naturaleza de los MRs\, definimos tres criterios de filtrado de patrones para construir tres corpus de entrenamiento distintos. Analizamos los espacios resultantes de estos tres modelos aplicando las etiquetas originales de familias sobre las secuencias y mostramos que la representación vectorial captura de forma no supervisada relaciones intrínsecas de homología entre sus cadenas de aminoácidos. Mostramos que al entrenar los embeddings con todos los MRs computados\, la separabilidad entre grupos de familias disminuye pero aumenta la capacidad de distinción entre secuencias sintéticas y naturales\, mientras que al reducir la redundancia en el corpus de entrenamiento\, una menor cantidad de redundancia en los MRs utilizados genera mejores agrupaciones pero dificulta más la distinción entre secuencias sintéticas y naturales\,  particularmente las que responden a un reordenamiento aleatorio de sus  aminoácidos. Gracias a transformaciones realizadas con t-SNE\, presentamos visualizaciones de los espacios resultantes para estudiar la estructura de los clústers formados. Observamos que al aumentar el valor de perplexity\, estas transformaciones amplifican la separación de los clústers\, a costa de alterar las distancias locales entre objetos vecinos\, y sus resultados están fuertemente determinados por la calidad de las agrupaciones presentes en el espacio original de alta dimensionalidad. Por último\, planteamos nuevos experimentos y mejoras posibles para construir un clasificador de secuencias de proteínas que pueda ser utilizado en aplicaciones reales.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-mauro-giordano/
LOCATION:Sala 1606
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR