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:20250101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20260717T120000
DTEND;TZID=America/Sao_Paulo:20260717T130000
DTSTAMP:20260717T061104
CREATED:20260714T122830Z
LAST-MODIFIED:20260714T123009Z
UID:10730-1784289600-1784293200@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Alicia Alvarez Mon
DESCRIPTION:Título: Clasificación y Síntesis de Emociones con Mapa de Expresiones.\nDirectores: Daniel Acevedo y María Elena Buemi.\nJurado: Pablo Turjanski y Manuel Dubinsky. \nResumen:\nSe propone un método de bajo costo computacional para la síntesis de expresiones faciales\, el cual genera una emoción objetivo solicitada por el usuario a partir de la imagen neutral de un sujeto. El espacio emocional que guía al proceso de síntesis se representa mediante una estructura basada en Mapas Auto-Organizados (SOM) que se entrenan de forma no supervisada y disponen topológicamente cerca aquellos elementos pertenecientes a una misma clase.  Para dicho entrenamiento se emplean descriptores que capturan información relativa a la forma\, la estructura\, la geometría y la textura facial.\nDado que esta representación tiene capacidad clasificatoria\, se exploran distintas configuraciones del modelo y se valida su rendimiento en la identificación de emociones.\nA partir de este espacio\, el proceso de síntesis selecciona la mejor representación de un sujeto y aplica una deformación controlada mediante interpolación lineal y funciones gaussianas para generar la imagen\, pudiendo ajustar la intensidad de la emoción de forma granular. Para validar los resultados de síntesis se empleó un clasificador externo provisto por la librería OpenCV\, evidenciando que las imágenes generadas por el modelo presentan un comportamiento de clasificación comparable al de aquellas con expresiones genuinas; no obstante\, se observa una mayor propensión de las imágenes sintetizadas a ser clasificadas erróneamente en las categorías “Happiness” y “Sadness”. Mostramos además las dificultades al extender este modelo para generar imágenes que expresen emociones mixtas.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-alicia-alvarez-mon/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20260717T123000
DTEND;TZID=America/Sao_Paulo:20260717T133000
DTSTAMP:20260717T061104
CREATED:20260713T132630Z
LAST-MODIFIED:20260713T132658Z
UID:10726-1784291400-1784295000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Rafael Romani
DESCRIPTION:Título: Entendiendo los límites teóricos de los LLMs desde el punto de vista de la Complejidad Computacional: el rol de la aleatoriedad en el Chain Of Though.\nDirectores: Santiago Cifuentes\, Santiago Figueira\nJuradxs: Sergio Abriola\, Edwin Pin \nResumen:\nLos transformers son el componente básico de los grandes modelos de lenguaje (LLM). En esta tesis\, estudiamos los lenguajes formales que reconocen las diferentes abstracciones teóricas de los transformers cuando se limita el número de pasos de chain-of-thought. En primer lugar\, partimos del trabajo de Li et al. (2024) y estudiamos diversas propiedades de su abstracción. En segundo lugar\, ampliamos su modelo para incorporar el comportamiento estocástico de los transformers\, al que se le ha prestado poca atención en la literatura. Estudiamos los lenguajes formales reconocibles por nuestra definición de transformers probabilísticos cuando se limita el número de pasos de chain-of-thought.\nNuestro análisis se lleva a cabo desde la perspectiva de la teoría de circuitos booleanos. Finalmente\, relacionamos ambos modelos con las máquinas de Turing y ofrecemos argumentos sobre cuándo se puede y cuándo no se puede ignorar la aleatoriedad de los transformers para estudiar su poder expresivo.\nNuestros principales resultados indican que los transformers que realizan T(n) pasos de chain-of-thought son equivalentes a circuitos booleanos de tamaño T(n). Esto es válido tanto para los transformers y circuitos determinísticos como para los probabilísticos\, incluso en el contexto P-uniforme o no uniforme. \nPalabras clave: Transformers\, Chain-of-thought\, circuitos booleanos\, lenguajes formales
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-rafael-romani/
LOCATION:Aula 6\, Pab. 1
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR