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:20230101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20241220T120000
DTEND;TZID=America/Sao_Paulo:20241220T130000
DTSTAMP:20260405T091738
CREATED:20241216T131139Z
LAST-MODIFIED:20241216T131139Z
UID:9635-1734696000-1734699600@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Abi Oppenheim
DESCRIPTION:Título: Cuantificando la Diversidad Cultural en Redes Sociales: Un Enfoque de Embeddings de Comunidades\nDirector: Esteban Feuerstein\nCo-Director: Federico Albanese\nJurados: Leandro Lombardi y Tomás Cicchini \nResumen: Los avances en el análisis de redes sociales y técnicas de procesamiento de lenguaje natural (NLP) han mejorado nuestra comprensión de las dinámicas intercomunitarias y sus impactos. Este trabajo introduce una métrica novedosa que cuantifica la diversidad social y cultural dentro de comunidades online\, con el propósito de examinar su relación con la toxicidad en las interacciones de los usuarios. Nuestro método se diferencia de enfoques previos al emplear embeddings de usuarios y comunidades generados a partir de vastos volúmenes de datos de Reddit\, capturando dimensiones culturales e ideológicas de manera precisa. Asignamos un puntaje de diversidad tanto a nivel individual como comunitario\, y lo comparamos con el puntaje de Generalismo-Especialismo (GS)\, mostrando cómo cada uno aporta información complementaria sobre las interacciones y la diversidad temática en el ecosistema digital. La métrica de diversidad propuesta tiene valor intrínseco\, ya que permite caracterizar y segmentar comunidades según su composición social\, identificando patrones de homogeneidad o heterogeneidad que impactan en la cohesión y resiliencia comunitaria. Este puntaje de diversidad se convierte en una herramienta valiosa para la investigación y la gestión de comunidades\, ya que posibilita la evaluación comparativa de grupos\, incluso en ausencia de indicadores de toxicidad\, y puede informar políticas de moderación y estrategias de diseño de plataformas. Nuestro análisis emplea modelos NLP para evaluar el contenido conversacional y correlacionarlo con los puntajes de diversidad\, aportando un enfoque integral al estudio de las interacciones en entornos digitales. Este trabajo contribuye tanto a la teoría de la interacción online como a la práctica\, proporcionando bases para mejorar la moderación y fomentar espacios digitales más inclusivos y respetuosos.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-abi-oppenheim/
LOCATION:Sala 1606
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20241220T134500
DTEND;TZID=America/Sao_Paulo:20241220T144500
DTSTAMP:20260405T091738
CREATED:20241219T133950Z
LAST-MODIFIED:20241219T133950Z
UID:9654-1734702300-1734705900@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Felipe Mateo Curti
DESCRIPTION:Título: Reconocimiento de emociones utilizando modelos de lenguaje de habla\nDirector: Pablo Riera\n\nJurados: Esteban Feuerstein\, María Lara Gauder\n\n\nResumen\n\nEn este trabajo se propone el uso de modelos de lenguaje de habla del proyecto Textless NLP de Meta para la tarea de reconocimiento de emociones a partir de información del habla\, utilizándolos tanto para la generación de features para algoritmos de machine learning clásicos\, como generadores de embeddings para modelos de deep learning.\nEl modelo utilizado\, llamado PGSLM (Prosody-Aware Generative Spoken Language Modeling) consiste de 3 componentes: un encoder que\, basándose en HuBERT\, genera a partir de un audio una secuencia de unidades discretas junto con su información prosódica\, un modelo generativo de lenguaje\, que predice de manera auto-regresiva la próxima unidad y su prosodia y un decoder que genera una waveform desde las unidades de habla.\nSe evalúan los resultados usando la base de datos de emociones IEMOCAP comparándolos con los obtenidos entrenando de manera similar un modelo con HuBERT y WavLM como generadores de features.\nLos resultados obtenidos muestran que si bien PGSLM tiene la capacidad de codificar información emocional de los audios\, en los experimentos realizados se observó una performance menor debido a un mayor sobreajuste comparando con los otros modelos.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-felipe-mateo-curti/
LOCATION:Aula 1115
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20241220T140000
DTEND;TZID=America/Sao_Paulo:20241220T150000
DTSTAMP:20260405T091738
CREATED:20241219T133102Z
LAST-MODIFIED:20241219T133102Z
UID:9649-1734703200-1734706800@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Agustín Delmagro
DESCRIPTION:Título: Efectos de la categorización de estímulos en la reconstrucción semántica de lenguajes continuos a partir de señales fMRI\nDirector: Juan Kamienkowski\n\nCo-Director: Bruno Bianchi\n\nJurados: Enzo Tagliazucchi\, Rodrigo Etcheveste\nStreaming: https://youtube.com/live/acJV2uo5Op4?feature=share \nResumen\n\nEn los últimos a ̃nos han surgido algunos estudios en los que se analizan im ́agenes de resonancia magnética funcional (fMRI) mientras se efectúan ciertas tareas relacionadas a la comprensión del lenguaje natural. Siguiendo el éxito del estudio de la concordancia del sistema visual y los modelos de redes profundas\, en estos trabajos se preguntan cuán similar es la representación del lenguaje en el cerebro respecto de los nuevos modelos de redes profundas. En particular\, varios trabajos se han basado en el dataset liberado por LeBel\, Huth y colaboradores (“A natural fMRI dataset for encoding models” [LeBel et al.\, 2023])\, donde se capturaron estas respuestas cerebrales mientras los participantes escuchaban relatos autobiográficos de los podcasts The Moth y Modern Love. Haciendo uso de estos datos\, han realizado un mapeo semántico de distintas áreas del cerebro e incluso llegando a la generación de decoders para poder reconstruir semánticamente estas historias a partir de dichas señales cerebrales [Tang et al.\, 2023].\nEn esta línea\, en la presente tesis\, nos preguntamos cuáles pueden ser los efectos de introducir sesgos temáticos en los estímulos utilizados para entrenar los modelos\, y si el desempeño mejora al intentar decodificar un estímulo cuyo tema coincide con el del entrenamiento. Para ello\, consideramos que aquellas historias con temáticas similares deberían tener ciertas similitudes en el vocabulario utilizado. En primer lugar\, buscamos agrupar estas narraciones por el tema principal que tratan\, logrando separarlas en dos grupos. Luego\, estos subconjuntos fueron utilizados como entrenamiento comparando los efectos que tiene en las reconstrucciones semánticas generadas el hecho de entrenar y evaluar con distintos subconjuntos.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-agustin-delmagro/
LOCATION:Sala 2103
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20241220T150000
DTEND;TZID=America/Sao_Paulo:20241220T160000
DTSTAMP:20260405T091738
CREATED:20241219T160547Z
LAST-MODIFIED:20241219T160547Z
UID:9656-1734706800-1734710400@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Paula Perez Bianchi
DESCRIPTION:Título: Evaluación de rendimiento de humanos y modelos generativos en tareas de generación de imágenes a partir de texto \nDirector: Diego Fernandez Slezak \nCodirector: Pablo Riera\n\nLink al streaming: https://youtube.com/live/LtplBbiRSSo?feature=share\n\nFrente a la evolución de los modelos generativos\, persisten preguntas sobre sus capacidades en comparación con las de los humanos. En esta tesis se propone una tarea innovadora para abordar este problema\, evaluar modelos de texto a imagen mediante un experimento de neurociencia inspirado en el juego del “tel´efono descompuesto”. Este experimento\, realizado con humanos\, se planteó en el contexto de las ciencias cognitivas con el objetivo de identificar los elementos descriptivos que influyen en la comunicación del conocimiento. Dado que los modelos generativos pueden estar involucrados en múltiples fases dentro del experimento\, inicialmente se concentró el análisis en la fase que incluye la generación de imágenes a partir de descripciones textuales. Esto permitió comparar directamente el rendimiento de los modelos de texto a imagen con la capacidad humana. Se exploraron dos modelos Stable Diffusion v1.5 y DALL·E 3 y varias técnicas de alignment para generar imágenes de composiciones geométricas utilizando las descripciones humanas recolectadas durante el experimento anterior. Finalmente se realizó una evaluación crowdsourced de las imágenes generadas\, encontrando que los humanos superan tanto a DALL·E 3 como a Stable Diffusion v1.5 en esta tarea.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-paula-perez-bianchi/
LOCATION:Aula 1102
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR