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:20250714T123000
DTEND;TZID=America/Sao_Paulo:20250714T133000
DTSTAMP:20260519T140708
CREATED:20250707T134155Z
LAST-MODIFIED:20250707T134155Z
UID:10030-1752496200-1752499800@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Malka Safadie
DESCRIPTION:Título: Framework de Detección de Anomalías en Mesas Electorales\nDirector: Cecilia Ruz\nJurados:  Juan Pablo Ruiz Nicolini\, Pablo Turjanski \nResumen: \nEn el marco de garantizar la transparencia y confiabilidad de los procesos electorales\, la presente investigación propone abordar la temática crucial de la calidad de datos en las elecciones en Argentina. El objetivo principal de este trabajo es desarrollar un framework que permita la detección de anomalías en los resultados de las elecciones.Este framework será implementado en una herramienta desarrollada en Python y se aplicará sobre los resultados de las Elecciones GENERALES 2023. Este trabajo cobra especial relevancia desde la publicación del informe Preservación de Resultados Electorales\, emitido por la Dirección Nacional Electoral el 11 de abril de 2022\, que estandarizó la forma de publicación de los resultados electorales.\nEste estudio se centrará en la detección y comprensión de posibles errores de carga en los resultados electorales\, abordando tanto la consistencia\, como la identificación de casos anómalos que podrían comprometer la integridad de la información.\nEl propósito fundamental de esta investigación es la identificación de mesas anómalas: aquellas en las cuales se observen inconsistencias o indicios de cargas de datos sospechosos. El análisis de estas mesas específicas representa un componente esencial de nuestro estudio\, dirigido a garantizar la integridad y fiabilidad de la información electoral.\nAdemás\, la identificación de las mesas con mayor probabilidad de contener anomalías permitirá\, tanto a la autoridad electoral como a los partidos políticos\, controlar los telegramas y verificarlas en primer lugar.\nEl análisis detallado de los datos se llevará a cabo empleando herramientas avanzadas de análisis de bases de datos en Python. La elección de estas herramientas responde a la necesidad de realizar un examen minucioso de los resultados electorales.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-malka-safadie/
LOCATION:Aula a confirmar
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250730T140000
DTEND;TZID=America/Sao_Paulo:20250730T150000
DTSTAMP:20260519T140708
CREATED:20250723T164310Z
LAST-MODIFIED:20250723T164525Z
UID:10071-1753884000-1753887600@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Felicitas García
DESCRIPTION:Título: «MimicryMonitors: Verificación de programas con fragmentos comunes».\nDirectores: Javier Godoy\, Diego Garbervetsky\nJurados: Dra. Flavia Bonomo\, Dr. Juan Pablo Galeotti \nResumen: \nEn el desarrollo de software moderno\, es común que los sistemas evolucionen mediante pequeños cambios incrementales. Esta característica se puede explotar en diversos escenarios\, especialmente en el testing de regresión\, donde surge una pregunta fundamental: cuando se modifica una parte de un programa previamente verificado\, ¿es necesario re-evaluar todo el sistema o se puede aprovechar el trabajo de verificación ya realizado? En particular\, ¿se puede utilizar la noción de que dos versiones comparten gran parte de su código para reducir el esfuerzo de testeo? En este contexto\, esta tesis explora e implementa los Mimicry Monitors (MM)\, una técnica que justamente capitaliza los fragmentos comunes entre dos versiones de un programa. La técnica permite verificar en tiempo de ejecución si el comportamiento de un programa bajo análisis (PUA) puede ser imitado por un programa de referencia u oráculo (OP)\, sin necesidad de ejecutar este último. Para validar la técnica\, se realizó una evaluación experimental sobre cinco herramientas de GNU Core Utilities\, seleccionando dos versiones de cada una y utilizando sus conjuntos de pruebas existentes para simular escenarios reales de testing de regresión. Se define la efectividad de los Mimicry Monitors como su capacidad de emitir veredictos anticipados sobre la existencia de una contraparte del OP para la ejecución actual del PUA. Los resultados revelan entonces que la efectividad de los MMs está intrínsecamente ligada a la naturaleza de las modificaciones entre versiones. Para programas con modificaciones localizadas como cat\, se obtuvo hasta un 60.87 % de casos verificados\, permitiendo terminación temprana. En contraste\, programas con modificaciones estructurales fundamentales como ls no mostraron resultados igualmente favorables. Los resultados demuestran que los Mimicry Monitors constituyen una herramienta valiosa para la optimización de testing de regresíón\, validando parcialmente la hipótesis de que es posible evitar ejecuciones redundantes mediante el análisis de fragmentos comunes.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-felicitas-garcia/
LOCATION:Aula 1115
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR