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:20260701T140000
DTEND;TZID=America/Sao_Paulo:20260701T150000
DTSTAMP:20260716T234503
CREATED:20260630T125640Z
LAST-MODIFIED:20260630T125640Z
UID:10701-1782914400-1782918000@www.dc.uba.ar
SUMMARY:Defensa Tesis Lienciatura Julieta Pagés
DESCRIPTION:Título: Reevaluación de marcadores lingüísticos de psicosis: del NLP tradicional a los LLMs\nDirector: Dr. Diego Fernandez Slezak\nJurados: Dr. Ernesto Mislej\, Dr. Carlos Diuk \nResumen:\nEl lenguaje juega un rol importante en la detección temprana de psicosis. Incluso\, en estudios previos\, se incorporaron técnicas de NLP tradicional para predecir la transición a psicosis en pacientes de alto riesgo (CHR por “Clinical High Risk”) con resultados prometedores. Este trabajo se propone reevaluar dichos hallazgos utilizando modelos de lenguaje de gran escala (LLMs) —Gemini 2.5 Flash\, Gemini 2.5 Pro\, DeepSeek y GPT-5- mini— en configuraciones zero-shot y few-shot.\nSe exploró principalmente un enfoque de clasificación end-to-end\, en el cual los resultados muestran que tres de los cuatro modelos superan la clasificación trivial\, con Gemini 2.5 Flash alcanzando un desempeño comparable al reportado por los métodos tradicionales. La excepción es GPT-5-mini\, que presentó un sesgo sistemático hacia clasificaciones negativas. Sin embargo\, la clasificación resulta sensible tanto a variaciones en las instrucciones como a los ejemplos del few-shot\, siendo esta última fuente de variación incluso más determinante. Ante esa incertidumbre\, el enfoque zero-shot emergió como alternativa robusta y razonable. Adicionalmente\, se observó que los modelos exhiben cierta noción de su propia incertidumbre\, constituyendo un potencial flag de ambigüedad clínica. Finalmente\, se analizó una extracción libre de características\, donde la metacognición emergió como el marcador más consistentemente diferenciador entre los pacientes que transicionaron a psicosis y los que no\, coherente con la literatura que lo señala como factor protector. \nPalabras clave: computational psychiatry\, predicción de psicosis\, NLP\, LLM\, few-shot\nprompting
URL:https://www.dc.uba.ar/event/defensa-tesis-lienciatura-julieta-pages/
LOCATION:Aula 1301
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20260703T113000
DTEND;TZID=America/Sao_Paulo:20260703T133000
DTSTAMP:20260716T234503
CREATED:20260702T132346Z
LAST-MODIFIED:20260702T140305Z
UID:10707-1783078200-1783085400@www.dc.uba.ar
SUMMARY:Defensa Tesis Doctorado Cristian Sottile
DESCRIPTION:Título: Estrategias de prueba de normalización fuerte en cálculos lambda tipados\nDirector: Dr. Alejandro Díaz-Caro\nCo-director: Dr. Pablo E. Martínez López\nConsejero de estudios: Dr. Juan Pablo Galeotti \nJurados:\n– Dra. Mariangiola Dezzani (Università di Torino)\n– Dr. Giulio Guerrieri (University of Sussex)\n– Dra. Femke van Raamsdonk (Vrije Universiteit Amsterdam) \nTransmisión en vivo: https://youtube.com/live/9peCcw_U7FI \nResumen: \nLa terminación es una propiedad de seguridad deseable en lenguajes de programación. En lenguajes con reglas de ejecución no deterministas\, como el λ–cálculo\, tenemos dos variantes. Weak normalization (WN): existe un camino de ejecución que llega al resultado. Strong normalization (SN): todos los posibles caminos de ejecución llegan al resultado. Los principales λ–cálculos tipados satisfacen SN\, estando sus pruebas entre los resultados más complejos en teoría de tipos. \nLa primera prueba de SN para el λ–cálculo simplemente tipado (STLC) fue introducida por Luis Elpidio Sanchis\, miembro de esta Casa de Estudios\, en 1965. Se publicó en 1967\, el mismo año en el que William Walker Tait presentó una prueba de WN. Tait introdujo una técnica llamada computabilidad\, que mostró tener gran capacidad de adaptación\, siendo extendida por Jean-Yves Girard para demostrar SN en 1971\, y para demostrar SN del λ–cálculo polimórfico en 1972. Fue renombrada a reducibilidad\, y al día de hoy constituye la forma principal de demostrar SN en λ–cálculos. Siendo todo lo potente y concisa que es\, también es una técnica abstracta que no aporta mucha intuición sobre por qué la propiedad vale. Aunque la validez de la propiedad ya se conocía\, la comunidad científica continuó trabajando en pruebas alternativas. Se escribieron muchos papers analizando reducibilidad\, introduciendo formas alternativas de demostrar SN\, y haciendo comparaciones detalladas reducibilidad con las pruebas alternativas. \nLa técnica de medidas decrecientes es una de las principales alternativas para demostrar SN en λ–cálculos tipados. Consiste en asignar elementos de un orden bien fundado a los programas\, de manera tal que un paso de computación lleva a decrecer el elemento asignado. La primera medida decreciente para STLC fue introducida por Gandy en 1980\, asignando números naturales a términos mediante una interpretación en el dominio de las funciones hereditaria y estrictamente monótonas. En 1987 de Vrijer simplificó la medida de Gandy\, usando un dominio similar de funcionales crecientes\, proveyendo un refinamiento donde el número asignado es igual a la cantidad de pasos desde el camino de ejecución más largo desde el programa. \nEn esta tesis presentamos nuevas medidas decrecientes para dos sistemas. Para STLC\, presentamos primero una medida basada en un cálculo con memoria que recuerda los argumentos consumidos\, de forma tal que nos permite simular la ejecución de manera controlada\, y contar la cantidad de argumentos recordados en el resultado. Usando el mismo cálculo con memorias\, proveemos otra medida para STLC\, en este caso mejorando una medida dada por Turing para una noción restringida de ejecución. La de Turing implica WN\, y nosotros la extendimos para que implique SN. La suya está basada en multiset de grados; la nuestra agrega multiconjuntos anidados a cada grado\, con información de simulaciones controladas de ciertos caminos de ejecución. \nExtendimos la primera medida a tipos intersección idempotente (IIT)\, un sistema de asignación de tipos que introduce en STLC una forma finitaria de polimorfismo. Proveemos la primera medida nativa para IIT que decrece para cualquier paso de ejecución\, dando una prueba directa de SN. Tiene un dominio más simple que las otras\, los números naturales. Como la presentación de IIT es en general con tipado extrínseco\, y nuestra técnica requiere tipado intrínseco\, definimos una variante intrínseca y demostramos correspondencia y simulación con respecto a la versión extrínseca. \nEn medidas que dan números\, el valor asignado a cada programa es una cota superior para la longitud de su camino de ejecución más largo. Una pregunta que surge es si dicho número se corresponde con esa longitud\, que no es el caso de nuestra primera medida. Presentamos su refinamiento a exactitud\, donde probamos que el número obtenido es una cota superior exacta para la longitud del camino de ejecución más largo. Para eso adaptamos la creación de memorias en el cálculo con memorias\, de manera tal que solo los argumentos borrados son recordados. Discutimos el refinamiento a exactitud de la extensión a IIT\, que es un trabajo en progreso.
URL:https://www.dc.uba.ar/event/defensa-tesis-doctorado-cristian-sottile/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20260713T140000
DTEND;TZID=America/Sao_Paulo:20260713T150000
DTSTAMP:20260716T234503
CREATED:20260708T185725Z
LAST-MODIFIED:20260713T132242Z
UID:10721-1783951200-1783954800@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Margarita Cristallini
DESCRIPTION:Título: Estados mentales dinámicos asociados a la detección de peligro durante el manejo\nDirectores: Juan E Kamienkowski\, Joaquin Gonzalez\nJuradxs: Luz Bavassi\, Laouen Belloli \nPalabras claves: Magnetoencefalografía (MEG)\, eye-tracking\, conducción\, percepción de peligro\, hazard perception\, localización de fuentes\, DyNeMo\, estados mentales dinámicos\, atención visual. \nResumen: A pesar de los avances en neurociencia cognitiva\, aún se conoce poco sobre los estados mentales asociados a tareas naturales como la exploración visual de una escena\, la detección de peligro o la toma de decisiones en entornos dinámicos. La conducción constituye un ejemplo especialmente relevante\, ya que requiere integrar información visual\, mantener la atención y responder rápidamente ante posibles situaciones de riesgo. En estas tareas surgen preguntas sobre si los mismos mecanismos mentales intervienen en diferentes contextos. ¿Es el mismo proceso el que se activa al fijar la mirada en un objeto de búsqueda que al detectar una posible amenaza al manejar? ¿Existen diferencias en el estado mental al observar un posible peligro frente a un objeto neutral? Comprender estos patrones podría contribuir al desarrollo de herramientas capaces de estimar tiempos de reacción con mayor precisión o detectar situaciones de riesgo de manera más temprana\, con potencial aplicación en el ámbito de la seguridad vial. En esta tesis se analizan los estados mentales de distintos sujetos expuestos a videos de conducción correspondientes al Hazard Perception Test del Reino Unido\, utilizando datos obtenidos en el marco de una colaboración con la Universidad de Nottingham (UdN). Los videos presentan escenas dinámicas de conducción en las que aparecen potenciales situaciones de peligro (hazards). \nPara cada participante se analizaron de manera simultánea registros de actividad cerebral mediante magnetoencefalografía (MEG) y movimientos oculares registrados mediante eye-tracking (ET)\, con el propósito de caracterizar los estados mentales asociados a momentos clave del experimento\, como la detección de un hazard o una fijación visual. La combinación de ambas fuentes de información permitió relacionar la actividad cerebral con el comportamiento visual de los participantes. \nPor otra parte\, la integración de estos datos\, junto con diversas técnicas de preprocesamiento\, posibilitó la aplicación de análisis avanzados como la localización de fuentes y la estimación de estados mentales mediante Dynamic Network Modes (DyNeMo)\, un modelo generativo no supervisado basado en aprendizaje profundo. Los análisis permitieron identificar distintos modos cerebrales con características espaciales y espectrales propias\, incluyendo modos compatibles con redes visuales\, atencionales y sensoriomotoras\, cuya activación presentó cambios alrededor de eventos de fijación visual y respuesta mediante botón. En conjunto\, estos resultados muestran que la combinación de MEG\, eye-tracking y modelos dinámicos como DyNeMo constituye una herramienta útil para estudiar cómo cambia la actividad cerebral durante la observación de videos dinámicos de conducción en un contexto de libre exploración visual. Además\, permiten comprender mejor cómo el cerebro procesa la información visual y responde ante situaciones de riesgo en escenarios dinámicos de conducción.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-margarita-cristallini/
LOCATION:Aula 1207
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20260716T120000
DTEND;TZID=America/Sao_Paulo:20260716T140000
DTSTAMP:20260716T234503
CREATED:20260713T132202Z
LAST-MODIFIED:20260713T135453Z
UID:10724-1784203200-1784210400@www.dc.uba.ar
SUMMARY:Defensa Tesis Doctorado Jazmín Vidal Dominguez
DESCRIPTION:Título: Sistemas de calificación automática de la pronunciación a nivel fonema\nDirectora: Dra. Luciana Ferrer\nConsejero de estudios: Dr. Juan Pablo Galeotti \nJurados:\nDra. Leibny Paola Garcia Perera – – Assistant Research Scientist\, Center for Language and Speech Processing\, Whiting School of Engineering Johns Hopkins University\nDr. Horacio Franco – – Chief Scientist\, Speech Technology and Research Laboratory\, SRI\, EE.UU\nDr. Cristian Tejedor García – – Prof. Asistente\, Radboud University\, Países Bajos \nLink Youtube: Se compartirá unos días antes de la defensa. \nResumen: \nEl trabajo doctoral tiene como objetivo el estudio y desarrollo de sistemas de calificación automática de la pronunciación para estudiantes argentinos de inglés como lengua extranjera. Estos sistemas reciben una grabación de voz y asignan puntajes que reflejan la calidad de la pronunciación en distintas dimensiones\, incluyendo aspectos segmentales y suprasegmentales como la precisión fonética\, el acento léxico y oracional\, el ritmo y la entonación. \nLa tesis se centra en la calificación a nivel segmental\, es decir\, en estimar la calidad de la pronunciación de cada fonema dentro de una frase. Para ello\, en primer lugar se recolectó y anotó un corpus específico de hablantes argentinos de inglés\, con alineamientos fonéticos detallados y etiquetas de calidad de pronunciación. La tesis describe el diseño del corpus\, el proceso de anotación y los principales patrones de error observados. El corpus se valida comparando estos errores con los reportados en otras bases de habla no nativa de hablantes de español como primera lengua y mediante la comparación de resultados obtenidos con sistemas de referencia en las distintas bases de datos. \nA partir de estos datos se implementaron distintos sistemas de calificación de la pronunciación a nivel fonema. Todos los sistemas desarrollados se basan en reconocedores automáticos del habla (RAH)\, que se utilizan tanto para extraer características útiles como para obtener alineamientos que permiten localizar temporalmente los fonemas objetivo en la frase. Como sistema de referencia se empleó el algoritmo de Goodness of Pronunciation (GOP)\, que calcula un puntaje para cada fonema a partir de las probabilidades a posteriori generadas por el modelo acústico del RAH entrenado con habla nativa\, midiendo qué tan compatible es el segmento observado con el fonema objetivo. Luego se exploraron métodos de transferencia de aprendizaje. En estos métodos se reutilizaron modelos acústicos entrenados previamente para RAH y se ajustaron sus últimas capas para la tarea de calificación de la pronunciación\, es decir\, para producir directamente la probabilidad de pronunciación incorrecta para cada fono target. En una etapa posterior\, se incorporaron modelos de habla auto supervisados\, usando sus representaciones como entrada a clasificadores de correctitud de la pronunciación. Estos enfoques se compararon con variantes que imitan la estructura de GOP\, en las que primero se entrena un reconocedor de fonemas y luego se calculan puntajes de pronunciación a partir de sus salidas. \nFinalmente\, se abordó el problema de la escasez de anotaciones segmentales mediante esquemas de aprendizaje con pocas etiquetas y supervisión débil. Se desarrollaron métodos para entrenar modelos para producir predicciones a nivel fonema usando datos etiquetados solamente con calidad de pronunciación a nivel oración más\, opcionalmente\, una pequeña cantidad de datos etiquetados a nivel fonema. En este contexto se evaluaron estrategias de selección de ejemplos y pseudo etiquetado para reducir la necesidad de anotación manual a nivel fonema. \nLa evaluación de los sistemas se centró no solo en métricas estándar en la literatura de calificación de la pronunciación\, como Precisión o F-score\, sino también en el costo esperado\, el cual permite penalizar los errores de manera que la métrica refleje las necesidades específicas de la tarea. En particular\, se utilizó una función de costo diseñada para penalizar las correcciones innecesarias\, con el objetivo de ajustar los umbrales de decisión a escenarios educativos reales en los que es crucial evitar frustrar al estudiante.
URL:https://www.dc.uba.ar/event/defensa-tesis-doctorado-jazmin-vidal-dominguez/
LOCATION:Aula 1308
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20260717T120000
DTEND;TZID=America/Sao_Paulo:20260717T130000
DTSTAMP:20260716T234503
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:20260716T234503
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