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:20260716T120000
DTEND;TZID=America/Sao_Paulo:20260716T140000
DTSTAMP:20260716T100443
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:20260716T100443
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:20260716T100443
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