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:20250320T160000
DTEND;TZID=America/Sao_Paulo:20250320T180000
DTSTAMP:20260404T195236
CREATED:20250319T170831Z
LAST-MODIFIED:20250319T171046Z
UID:9818-1742486400-1742493600@www.dc.uba.ar
SUMMARY:DÁTAME: Hacia modelos de aprendizaje automático más robustos y equitativos
DESCRIPTION:Este jueves 20/03 adelantamos DÁTAME! de Marzo\, la primera de 2025! \nEl encuentro será a las 16 hs. en el aula 1401 del Edificio 0+Infinito. \nLa presentación estará a cargo de Celia Cintas (IBM Research Africa – Nairobi) y el título de la charla es: \nHacia modelos de aprendizaje automático más robustos y equitativos \n \nSobre la charla \nCuando pensamos en llevar a producción modelos de aprendizaje automático\, necesitamos que estos sean robustos y equitativos. Actualmente\, la mayoría de los modelos consideran condiciones ideales y suponen que los datos de producción provienen de la misma distribución que los de entrenamiento. Sin embargo\, esto no suele ser el caso en las aplicaciones de la vida real. Por ejemplo\, en un entorno clínico\, podemos encontrar diferentes dispositivos de captura de imágenes\, diversas poblaciones de pacientes\, o condiciones médicas diferentes o desconocidas. Por otro lado\, debemos evaluar las posibles disparidades en la evaluación o diagnóstico\, ya que pueden trasladarse y amplificarse en nuestras soluciones de aprendizaje automático. En esta charla vamos a ver cómo usamos modelos de ML para evaluar la representación en aplicaciones de dermatología y cómo podemos ayudar a modelos ya entrenados a ser más robustos ante cambios en los datos de entrada. \nSobre la oradora \nCelia Cintas es investigadora en IBM Research Africa – Nairobi. Es miembro del equipo de IA en el Kenia Lab. Su investigación actual se centra en mejorar las técnicas de ML para abordar los desafíos de la salud global en los países en desarrollo y explorar el escaneo de subconjuntos para la detección de anomalías en modelos generativos. Fue becaria de CONICET y trabajó en Deep Learning para estudios de población en LCI-UNS e IPCSH-CONICET (Argentina) como parte del Consortium for Analysis of the Diversity and Evolution of Latin America (CANDELA). Durante su doctorado\, fue estudiante visitante en el University College of London (Reino Unido). También fue investigadora visitante postdoctoral en la Universidad de Jaén (España). Tiene un doctorado en Ciencias de la Computación de la Universidad del Sur (Argentina). Co-preside varias conferencias de Scipy Latinamerica\, de la Ayuda Financiera del Comité de SciPy (EE. UU.) (2016-2019) y Diversidad de SciPy (2020-2022)\, entre otros. Una lista detallada de charlas\, publicaciones y eventos está disponible en https://celiacintas.io/ \nConsultas: info.lcd@exactas.uba.ar \nSobre ¡DÁTAME! \nEste ciclo de charlas busca simultáneamente \n– Ser un lugar de encuentro entre todos/as los/as que nos sentimos cercanos a LCD ya sea por ser estudiantes de la carrera o carrera cercanas\, docentes\, investigadores/as interesados/as o simplemente amigos/as de LCD. \n– Ofrecer a estudiantes de la carrera un panorama amplio de posibles caminos que puede recorrer un/a especialista en ciencias de datos. \n– Exponer a estudiantes de LCD a importantes referentes de la disciplina que trabajan en diversos ámbitos (investigación científica\, empresas\, organismos estatales\, ONGs\, etc. ) \n– Aprender un montón de cosas sobre datos. Qué tipo de problemas se pueden resolver con ellos y cuáles no\, qué precauciones debemos tener\, qué desafíos afronta la disciplina y mucho más. \n– Evidenciar la diversidad de disciplinas que confluyen en esta carrera y experimentar cómo interactúan. \n– Compartir un buen rato\, una vez por mes. \nEstá destinado principalmente a estudiantes de la carrera\, pero todas/os somos bienvenidas/os. \nHabitualmente\, nos juntamos el 3er. viernes de cada mes a las 16hs.\, excepto en ocasiones especiales. \n¡Las y los esperamos!
URL:https://www.dc.uba.ar/event/datame-hacia-modelos-de-aprendizaje-automatico-mas-robustos-y-equitativos/
LOCATION:Aula 1401
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250411T113000
DTEND;TZID=America/Sao_Paulo:20250411T123000
DTSTAMP:20260404T195236
CREATED:20250404T172458Z
LAST-MODIFIED:20250404T172604Z
UID:9846-1744371000-1744374600@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Javier Petri
DESCRIPTION:Título: Extracción de información de Historias Clínicas Electrónicas escritas en español para realizar inteligencia epidémica\nDirectora: Viviana Cotik\nCo-Directora: Pilar Bárcena Barbeira\nJurados: Martina Pesce\, Juan Manuel Pérez \nResumen:\nLas historias clínicas son una herramienta fundamental para la atención médica. La creciente adopción de las historias clínicas electrónicas facilita la extracción automática de datos para realizar análisis que permitan detectar brotes de enfermedades de forma temprana y tomar decisiones basadas en datos\, contribuyendo así a la vigilancia basada en eventos. \nEsta tesis aborda dos tareas principales: la detección automática de síntomas asociados a cinco síndromes de interés —síndrome febril agudo inespecífico\, COVID-19\, diarrea\, neumonía y enfermedad tipo influenza— y la clasificación de historias clínicas en cuanto a la presencia\, sospecha o ausencia de COVID-19. Para lograr estos objetivos\, se utilizaron corpus de historias clínicas electrónicas escritas en español provenientes del sistema de salud argentino\, previamente anotadas por expertos\, así como métodos avanzados del procesamiento del lenguaje natural. \nPara la primer tarea utilizamos 6.228 historias clínicas etiquetadas y aproximadamente 1 millón de historias clínicas no etiquetadas. Nuestro enfoque consistió en ajustar (i.e. realizar el fine-tuning) modelos de reconocimiento de entidades nombradas del estado del arte\, incluyendo BiLSTM-CRF y modelos basados en transformers de la familia de BERT y RoBERTa. Nos enfocamos en modelos orientados al dominio y a la tarea para mejorar el rendimiento: los primeros fueron pre-entrenados en corpus biomédicos\, mientras que los últimos fueron pre-entrenados adicionalmente en nuestras historias clínicas no etiquetadas. A pesar de las limitaciones computacionales con las que contamos para entrenar nuestros modelos\, estos demostraron resultados prometedores. En particular\, RoBERTa-Clinico\, un transformer preentrenado en nuestro corpus no etiquetado\, alcanzó el mejor rendimiento con un micro recall de 79.30 y un micro F1-score de 70.83\, resultados comparables a los reportados en estudios similares. \nPara la tarea de clasificación\, se utilizaron 4.996 historias clínicas etiquetadas y se implementaron modelos basados en transformers de la familia BERT y RoBERTa\, adaptados al español y al dominio clínico. Los resultados de estos modelos se compararon con los obtenidos previamente por un proyecto anterior que incluyó la implementación de algoritmos clásicos de aprendizaje automático como la regresión logística. Los modelos basados en transformers\, al igual que en la tarea de detección de síntomas\, fueron preentrenados en grandes corpus de texto biomédico y luego ajustados con nuestro conjunto de datos sin etiquetar. Uno de esos modelos\, BETO Clínico\, una variante de BERT para el español\, ajustado posteriormente con nuestros datos\, alcanzó un micro F1 del 88.1%\, superando por un margen pequeño pero significativo el 85.1% obtenido por regresión logística\, siendo este el mejor de los modelos más sencillos.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-javier-petri/
LOCATION:Sala 1606
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250421T143000
DTEND;TZID=America/Sao_Paulo:20250421T153000
DTSTAMP:20260404T195236
CREATED:20250414T124316Z
LAST-MODIFIED:20250414T124316Z
UID:9854-1745245800-1745249400@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Federico Suaiter
DESCRIPTION:Título: ¿Capturan los embeddings de los LLMs información sobre temporalidad y relaciones espaciales?\nDirector: Esteban Feuerstein\nCodirector: Juan Manuel Ortiz de Zárate\nJurados: Gabriel Tolosa\, Ernesto Mislej \nResumen:\nLos Large Language Models (LLMs) han demostrado una capacidad notable para capturar relaciones semánticas a través de sus embeddings\, contribuyendo significativamente al avance de diversas aplicaciones\, como el procesamiento del lenguaje natural. Este trabajo tiene como objetivo analizar cómo los LLMs modelan el tiempo y el espacio dentro de sus representaciones vectoriales. Dicho análisis se lleva a cabo de forma directa sobre la estructura interna de las representaciones\, permitiendo una evaluación transparente y una interpretación accesible. Los resultados obtenidos al analizar diferentes modelos de LLMs revelan patrones específicos en la manera en que dichos LLMs representan eventos temporales y ubicaciones geográficas\, sugiriendo que efectivamente incorporan de manera implícita una estructura\, en mayor o menor medida\, espacio-temporal en sus representaciones vectoriales.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-federico-suaiter/
LOCATION:Aula 1301
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250422T110000
DTEND;TZID=America/Sao_Paulo:20250422T120000
DTSTAMP:20260404T195236
CREATED:20250414T131528Z
LAST-MODIFIED:20250414T131528Z
UID:9856-1745319600-1745323200@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Ian Grinspan
DESCRIPTION:Título: Generador de Abstracciones de Comportamiento para Contratos Inteligentes mediante Fuzzing\nDirectores: Javier Godoy\, Diego Garbervetsky\nJurados: Dr. Gustavo Grieco\, Dr. Juan Pablo Galeotti \nResumen:\nLos contratos inteligentes son programas inmutables desplegados en la blockchain\, utilizados para gestionar activos digitales y automatizar acuerdos sin intermediarios. Dada la inmutabilidad de su código una vez desplegado y el manejo de recursos de alto valor que emplean\, la identificación temprana de errores y vulnerabilidades es crucial para evitar pérdidas económicas y fallos de seguridad.\nEn este trabajo se presenta un enfoque para la generación automática de abstracciones por predicados\, aplicada a contratos inteligentes escritos en Solidity para la red Ethereum. A diferencia de herramientas previas que emplean análisis estático\, esta propuesta se basa en técnicas de análisis dinámico mediante fuzzing\, utilizando la herramienta de código abierto Echidna.\nEl prototipo desarrollado permite explorar el comportamiento de los contratos generando abstracciones que reflejan el estado del contrato y las precondiciones necesarias para la habilitación de sus funciones. Este enfoque permite identificar estados de ejecución no triviales y condiciones que podrían pasar desapercibidas en un análisis manual. Se analizan las ventajas y limitaciones de la herramienta propuesta\, comparándola con enfoques previos que emplean analizadores estáticos\, y se discuten posibles extensiones para mejorar la eficiencia y precisión del análisis.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-ian-grinspan/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250425T160000
DTEND;TZID=America/Sao_Paulo:20250425T170000
DTSTAMP:20260404T195236
CREATED:20250422T140147Z
LAST-MODIFIED:20250422T141547Z
UID:9866-1745596800-1745600400@www.dc.uba.ar
SUMMARY:DÁTAME! las charlas de LCD - Abril
DESCRIPTION:El encuentro será a las 16 hs. en el aula 1402 del Edificio 0+Infinito. \nLa presentación estará a cargo de Constanza Sanchez F. de la Vega y el título de la charla es: \n¿Pueden las ecuaciones diferenciales y las libélulas trabajar en equipo para controlar una epidemia? \nSobre la charla \nEn esta charla veremos cómo las ecuaciones diferenciales y el control óptimo nos permiten entender y controlar la propagación de enfermedades transmitidas por vectores\, como el dengue. Presentaremos un modelo que combina el clásico esquema SIR —utilizado para describir la dinámica de una epidemia— con el modelo de Lotka-Volterra\, que representa las relaciones entre depredadores y presas en un ecosistema. \nEste modelo conjunto\, conocido como modelo SIR-Lotka-Volterra\, permite estudiar de forma integrada la interacción entre humanos\, mosquitos (vectores del virus) y sus depredadores naturales\, como por ejemplo las libélulas. A través de este enfoque\, es posible analizar cómo intervenciones ecológicas —como la introducción de depredadores que se alimentan de mosquitos— pueden influir en la evolución de un brote epidémico. \nVeremos cómo las herramientas de control óptimo permiten diseñar estrategias para minimizar el impacto de la enfermedad aprovechando mecanismos naturales.\nSobre la oradora\nConstanza Sánchez F. de la Vega es Profesora en el Departamento de Matemática de esta facultad e Investigadora CONICET en el Instituto de Cálculo. Es Licenciada en Ciencias Matemática de FCEN-UBA y Doctora de la Universidad de Buenos Aires en Ciencias Matemáticas. Su trabajo de investigación se centra en el estudio de ecuaciones diferenciales con aplicaciones en sistemas físicos y biológicos\, combinando herramientas de control óptimo\, análisis numérico y modelado matemático. \nConsultas: info.lcd@exactas.uba.ar \nSobre ¡DÁTAME! \nEste ciclo de charlas busca simultáneamente \n– Ser un lugar de encuentro entre todos/as los/as que nos sentimos cercanos a LCD ya sea por ser estudiantes de la carrera o carrera cercanas\, docentes\, investigadores/as interesados/as o simplemente amigos/as de LCD. \n– Ofrecer a estudiantes de la carrera un panorama amplio de posibles caminos que puede recorrer un/a especialista en ciencias de datos. \n– Exponer a estudiantes de LCD a importantes referentes de la disciplina que trabajan en diversos ámbitos (investigación científica\, empresas\, organismos estatales\, ONGs\, etc. ) \n– Aprender un montón de cosas sobre datos. Qué tipo de problemas se pueden resolver con ellos y cuáles no\, qué precauciones debemos tener\, qué desafíos afronta la disciplina y mucho más. \n– Evidenciar la diversidad de disciplinas que confluyen en esta carrera y experimentar cómo interactúan. \n– Compartir un buen rato\, una vez por mes. \nEstá destinado principalmente a estudiantes de la carrera\, pero todas/os somos bienvenidas/os. \nHabitualmente\, nos juntamos el 3er. viernes de cada mes a las 16hs.\, excepto en ocasiones especiales.
URL:https://www.dc.uba.ar/event/datame-las-charlas-de-lcd-abril/
LOCATION:Aula 1402
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250506T100000
DTEND;TZID=America/Sao_Paulo:20250506T120000
DTSTAMP:20260404T195236
CREATED:20250425T124927Z
LAST-MODIFIED:20250425T125046Z
UID:9875-1746525600-1746532800@www.dc.uba.ar
SUMMARY:Defensa Tesis Doctorado Edwin Pin
DESCRIPTION:Título: Lógicas para razonar sobre grafos con datos\nDirector: Santiago Figueira\nDirector adjunto: Diego Figueira\nConsejera de estudios: Teresa Krick\nJurados:\nDra. Flavia Bonomo\, UBA & CONICET\nDra. Magdalena Ortiz\, TUW\, Austria\nDr. Domagoj Vrgoc\, PUC\, Chile\n\nLink Youtube: https://youtube.com/live/6e82iE8-hco\n\nResumen:\nEn esta tesis analizamos una serie de problemas relevantes en el área de Teoría de Bases de Datos\, usando herramientas lógicas\, modelo-teóricas y computacionales. Nos enfocamos particularmente en el caso donde la información se almacena en una estructura con forma de grafo etiquetado.Estudiamos la inconsistencia de una base de datos respecto a un conjunto de restricciones (ontología). Por un lado\, existen varias maneras de formalizar este escenario\, que depende tanto de las clases de estructuras a considerar como del lenguaje ontológico utilizado para razonar sobre tales estructuras. Por otro lado\, existen muchas formas de lidiar con bases de datos inconsistentes\, ya sea tratando de eliminar la inconsistencia manipulando la base de datos\, o manteniendo el estado actual de la base pero identificando la información certera\, es decir\, los datos que prevalecerán independientemente del tipo de modificación que se haga sobre la base original.Una reparación de una base de datos inconsistente es una base de datos consistente que se obtiene a partir de la original realizando una cantidad mínima de modificaciones. Introdujimos una semántica de satisfacción global respecto a restricciones expresadas en GXPath (una lógica que permite expresar propiedades de nodos y caminos sobre la base de datos en forma de grafo)\, y analizamos el problema de hallar reparaciones de una base de datos con forma de grafo. Las nociones de reparación usadas se formalizaron en dos categorías: subreparaciones\, que se obtienen mediante el proceso de eliminación de información; y superreparaciones\, que se obtienen mediante el proceso de agregado de información. Con todo el poder expresivo de GXPath\, demostramos que el problema de hallar superrepaciones es indecidible\, mientras que el problema de hallar subreparaciones es NP-completo. Abordamos los mismos problemas respecto a fragmentos de GXPath\, en particular GXPath-pos (expresiones positivas de GXPath) y Core-GXPath (con la estrella de Kleene restringido a átomos). Si bien los problemas de subreparaciones y superreparaciones siguen siendo NP-completos respecto a expresiones de camino\, demostramos que los respectivos problemas respecto a expresiones de nodo son ambos polinomiales.\nSe abordó el problema de Fininte Ontology Mediated Query Answering (FOMQA)\, una variante de Ontology Mediated Query Answering (OMQA) en la que se asume que el mundo representado es finito\, y por lo tanto\, solo se consideran modelos finitos de la ontología. Estudiamos la propiedad de controlabilidad finita\, es decir\, cuándo FOMQA y OMQA son equivalentes\, para fragmentos de C2RPQ (Conjunctive Regular Path Queries con reverso). Para una clase de grafos S\, consideramos los fragmentos C2RPQ(S) de C2RPQ como las consultas cuyo grafo subyacente pertenece a S. Clasificamos completamente los fragmentos controlables finitamente y los que no lo son\, bajo: dependencias de inclusión\, reglas frontier-guarded\, reglas frontier-one (tanto con como sin constantes)\, y de manera más general bajo restricciones de lógica de primer orden con guarded-negation. Para los fragmentos controlables finitamente\, mostramos una reducción al problema de satisfacibilidad para la lógica de primer orden con guarded-negation\, lo que da lugar a un algoritmo en 2EXPTIME (en complejidad combinada) para el problema correspondiente de (F)OMQA.En otra línea de trabajo\, propusimos un nuevo lenguaje de consulta denominado CPDL+\, que extiende a la Propositional Dynamic Logic (PDL)\, con una nueva construcción sintáctica para “programas conjuntivos”\, compatible con los demás operadores sintácticos de PDL. Mostramos que ciertas subclases naturales de CPDL+ pueden definirse en términos del tree-width de los grafos subyacentes de las fórmulas. Demostramos que la clase de fórmulas CPDL+ con tree-width 2 es equivalente a PDL con intersección de programas y que también coincide con las fórmulas de CPDL+ de tree-width 1. Sin embargo\, más allá de tree-width 2\, incrementar el tree-width aumenta estrictamente el poder expresivo. Caracterizamos el poder expresivo de cada clase de fórmulas con tree-width fijo mediante un juego de bisimulación con piedritas. Basándonos en esta caracterización\, demostramos que CPDL+ posee una propiedad de modelo “tree-like”. Probamos que el problema de satisfacibilidad para CPDL+ es decidible en 3EXPTIME y es 2EXPTIME-completo para el fragmento de tree-width acotado. Finalmente\, establecemos que el problema de model checking para fórmulas con tree-width fijo está en PTIME\, a diferencia de la clase completa de CPDL+\, en donde solo tenemos una cota de PTIME con acceso a un oráculo NP.
URL:https://www.dc.uba.ar/event/defensa-tesis-doctorado-edwin-pin/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250506T110000
DTEND;TZID=America/Sao_Paulo:20250506T120000
DTSTAMP:20260404T195236
CREATED:20250429T133131Z
LAST-MODIFIED:20250429T134031Z
UID:9886-1746529200-1746532800@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Carlos Miguel Soto
DESCRIPTION:Título: On the Completeness of a Syntactically Linear Logic\nDirector: Alejandro Díaz-Caro\nJurados:\nPablo Barenbaum (Universidad de Buenos Aires)\nOctavio Malherbe (Universidad de la República)\nBenoît Valiron (Université Paris-Saclay) \nResumen:\nEl cálculo L-S\, una extensión del lenguaje de pruebas de la lógica lineal relacionado con la computación cuántica\, ha sido dotado de una semántica concreta en [DCM23]. En este artículo\, demostramos resultados de completitud para esta semántica con respecto a la equivalencia computacional. Introducimos una semántica operacional para L-S y demostramos su isomorfismo con la semántica categórica bajo ciertas condiciones. Además\, mostramos que la categoría se puede restringir a semimódulos finitamente generados\, los cuales poseen mejores propiedades.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-carlos-miguel-soto/
LOCATION:Aula a confirmar
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250519T123000
DTEND;TZID=America/Sao_Paulo:20250519T133000
DTSTAMP:20260404T195236
CREATED:20250515T174039Z
LAST-MODIFIED:20250515T174039Z
UID:9908-1747657800-1747661400@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Sofía Goldberg
DESCRIPTION:Título: Aplicación de embeddings de BERT para detección automática de Alzheimer\nCuándo: Lunes 19 de Mayo\, 12:30 hs.\nDónde: Aula 1308\, Edificio 0+infinito\, Ciudad Universitaria\, UBA.\nDirectores: Pablo Brusco\, Lara Gauder\nJurados: Viviana Cotik\, Gustavo Juantorena \nResumen\nLa detección temprana del Alzheimer representa un desafío clave en el ámbito médico\, ya que un diagnóstico preciso en las primeras etapas de la enfermedad puede facilitar intervenciones más efectivas y mejorar la calidad de vida de los pacientes. En este contexto\, el análisis del habla y el lenguaje ha surgido como una herramienta prometedora para identificar patrones lingüísticos asociados con el deterioro cognitivo. En este estudio\, investigamos la efectividad de los embeddings generados con BERT para la clasificación de transcripciones de habla\, con el propósito de distinguir entre individuos con Alzheimer y controles sanos\, en inglés y en español. Además de replicar un trabajo previo\, ampliamos el análisis comparando el desempeño de distintas representaciones de los textos\, agregando métricas de evaluación y observando el impacto de utilizar modelos entrenados con texto capitalizado (cased) y modelos entrenados únicamente con texto en minúsculas (uncased). \nTanto en inglés como en español\, nuestros resultados superaron a los reportados en el trabajo replicado. En inglés\, el mejor F1-score obtenido fue de 0.76 con Random Forest\, superando el 0.69 reportado en el trabajo original con XGBoost. En español\, SVM alcanzó un F1-score de 0.70\, mejorando significativamente el 0.53 reportado. \nNuestros experimentos revelaron que el F1-score no es una métrica adecuada para evaluar el desempeño de los clasificadores\, especialmente en conjuntos de datos desbalanceados. Por ello\, analizamos métricas adicionales como precision\, recall\, accuracy\, specificity\, ROC AUC y PR AUC\, que permitieron una evaluación más detallada del rendimiento de los clasificadores. \nLos hallazgos obtenidos evidencian que las representaciones contextuales derivadas de la última capa de BERT superan a los embeddings extraídos de la primera capa\, gracias a su capacidad de capturar información semántica más rica y dependiente del contexto. En el Pitt Corpus (inglés)\, los embeddings de la última capa lograron un ROC AUC de hasta 0.89\, mientras que los embeddings de la primera capa alcanzaron un máximo de 0.84. En Chile AD (español)\, aunque el rendimiento general fue inferior\, los embeddings de la última capa de BERT obtuvieron un ROC AUC de 0.72\, superando ampliamente a los embeddings provenientes de la primera capa\, cuyo mejor desempeño fue 0.54. \nAsimismo\, observamos que en español\, los modelos cased mejoran el rendimiento de los clasificadores\, mientras que en inglés\, los modelos uncased resultan más eficaces. En el Pitt Corpus\, SVM con embeddings de la última capa logró un ROC AUC de 0.90 con el modelo uncased\, mientras que con el modelo cased obtuvo 0.87. En contraste\, en Chile AD\, el uso de la versión uncased redujo significativamente el desempeño\, con una caída en ROC AUC de 0.72 a 0.41 en Random Forest con los embeddings de la primera capa. \nNuestros resultados indican que\, en general\, el desempeño en inglés fue superior al obtenido en español\, lo que podría atribuirse a la menor cantidad de datos disponibles\, el desbalance entre las clases en el conjunto en español o a las diferencias entre los modelos de BERT empleados en cada idioma. \nPalabras claves: Alzheimer\, Embeddings\, BERT\, Clasificación\, Análisis Cruzado entre Lenguajes.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-sofia-goldberg/
LOCATION:Aula 1308
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250522T103000
DTEND;TZID=America/Sao_Paulo:20250522T113000
DTSTAMP:20260404T195236
CREATED:20250519T131349Z
LAST-MODIFIED:20250519T131349Z
UID:9920-1747909800-1747913400@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Manuel Costa
DESCRIPTION:Título: Word-embeddings contextualizados para detección de entidades nombradas en textos de radiología en español\nDirectora: Viviana Cotik\nJurados: María Teresa Martín Valdivia\, Pablo Brusco \nResumen:\nLa creciente digitalización de los procesos médicos ha generado una gran cantidad de datos textuales\, como informes de estudios clínicos\, que permiten mejorar procesos a través de la automatización de la extracción de información. Sin embargo\, esta última presenta desafíos significativos\, especialmente en español\, debido a la escasez de recursos en este idioma y al uso de vocabulario especializado. Además\, algunos de estos textos suelen contener abreviaturas\, errores ortográficos y de tipeo\, lo que agrega una complejidad adicional. Este trabajo busca contribuir al campo del Procesamiento del Lenguaje Natural Biomédico (BioNLP\, por sus siglas en inglés) mediante el desarrollo de mejores representaciones de textos que optimicen la extracción de información en informes clínicos escritos en español. \nEn esta tesis se desarrolla un estudio sobre el uso de word embeddings y modelos de lenguaje para informes de ecografía escritos en español. Se proponen y evalúan diferentes modelos de embeddings\, incluyendo técnicas estáticas como FastText y modelos basados en arquitecturas contextuales como Transformers y BiLSTM. Los embeddings se entrenaron utilizando un corpus anonimizado de más de 80 mil informes de ecografías. Se realizaron dos tipos de evaluaciones sobre los embeddings: una extrínseca y una intrínseca. Para la evaluación extrínseca se utilizó la tarea de reconocimiento de entidades nombradas con el conjunto de datos de la competencia SpRadIE. Además\, se realiza un estudio de ablación para intentar establecer un vínculo más directo entre el uso de las representaciones y el rendimiento obtenido por los modelos. Para la evaluación intrínseca\, se presenta un marco basado en análisis cualitativo para medir la calidad de los embeddings en dominios donde no existen benchmarks estandarizados. \nLos resultados obtenidos muestran mejoras sobre el estado del arte para la tarea de reconocimiento de entidades nombradas de SpRadIE\, destacando el impacto de usar representaciones contextuales adaptadas al subdominio específico de la tarea. Observamos que los mejores resultados del reconocimiento de entidades nombradas se obtienen con modelos basados en Transformers; sin embargo\, las representaciones generadas a partir de BiLSTM parecen capturar información semántica más rica\, como evidencian los estudios de ablación y el análisis cualitativo. \nPalabras clave: embeddings\, reconocimiento de entidades nombradas\, BioNLP en español\, informes clínicos\, ecografías\, transformers\, BiLSTM\, FastText
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-manuel-costa/
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250530T160000
DTEND;TZID=America/Sao_Paulo:20250530T170000
DTSTAMP:20260404T195236
CREATED:20250526T155757Z
LAST-MODIFIED:20250526T155757Z
UID:9943-1748620800-1748624400@www.dc.uba.ar
SUMMARY:DÁTAME: Un link digital: cerebros\, computadoras y datos
DESCRIPTION:Este Viernes 30/05 tenemos DÁTAME! de Mayo\, con presentación a cargo de Victoria Peterson.\nEl encuentro será a las 16 hs. en el aula 1402 del Edificio 0+Infinito. \nSobre la charla \n¿Alguna vez escuchaste hablar de chips implantados para decodificar el habla? o ¿sobre la capacidad de comandar dispositivos externos sólo con tus pensamientos? y\, ¿sobre terapias basadas en la estimulación cerebral? No\, no es ciencia ficción. Estas son algunas de las investigaciones actuales que pasan dentro del gran mundo de las interfaces cerebro-computadora. En esta charla vamos a entender cómo es que nuestros cerebros se pueden «conectar» a una computadora y cómo es que la inteligencia artificial y la Cs. de Datos se involucran en todo esto. \nSobre la oradora \nVictoria Peterson es Investigadora del CONICET en el IMAL\, Santa Fe y Profesora Asociada en la FIQ-UNL\, Santa Fe. Sus investigaciones unen la bioingeniería con la inteligencia artificial para mejorar la decodificación de la actividad cerebral en neurotecnologías. Fue visitante doctoral del ETH Zurich y becaria postdoctoral de Harvard en el MGH\, Boston\, USA. Hoy lidera el grupo de Neuroingeniería Computacional Aplicada (NiCALab) dentro del IMAL\, CONICET-UNL. \nConsultas: info.lcd@exactas.uba.ar \nSobre ¡DÁTAME! \nEste ciclo de charlas busca simultáneamente \n– Ser un lugar de encuentro entre todos/as los/as que nos sentimos cercanos a LCD ya sea por ser estudiantes de la carrera o carrera cercanas\, docentes\, investigadores/as interesados/as o simplemente amigos/as de LCD. \n– Ofrecer a estudiantes de la carrera un panorama amplio de posibles caminos que puede recorrer un/a especialista en ciencias de datos. \n– Exponer a estudiantes de LCD a importantes referentes de la disciplina que trabajan en diversos ámbitos (investigación científica\, empresas\, organismos estatales\, ONGs\, etc. ) \n– Aprender un montón de cosas sobre datos. Qué tipo de problemas se pueden resolver con ellos y cuáles no\, qué precauciones debemos tener\, qué desafíos afronta la disciplina y mucho más. \n– Evidenciar la diversidad de disciplinas que confluyen en esta carrera y experimentar cómo interactúan. \n– Compartir un buen rato\, una vez por mes. \nEstá destinado principalmente a estudiantes de la carrera\, pero todas/os somos bienvenidas/os. \nHabitualmente\, nos juntamos el 3er. viernes de cada mes a las 16hs. excepto en ocasiones especiales. \n¡Las y los esperamos!
URL:https://www.dc.uba.ar/event/datame-un-link-digital-cerebros-computadoras-y-datos/
LOCATION:Aula 1402
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250603T100000
DTEND;TZID=America/Sao_Paulo:20250603T110000
DTSTAMP:20260404T195236
CREATED:20250528T125558Z
LAST-MODIFIED:20250528T125754Z
UID:9949-1748944800-1748948400@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Tomás Capdevielle
DESCRIPTION:Título: Explicabilidad basada en lógica para modelos simples de Inteligencia Artificial: Sobre la complejidad y los algoritmos para el cálculo de features relevantes\, necesarias y útiles en clasificadores booleanos\nDirector: Santiago Cifuentes\nJurados: Santiago Figueira\, Sergio Abriola\n\nResumen:\nEsta tesis propone una exploración sobre el campo de la explicabilidad en modelos de inteligencia artificial\, comúnmente conocido como XAI. En concreto\, el enfoque de este trabajo está puesto en la explicabilidad basada en lógica; esto es\, dado un modelo de clasificación y una entrada para el mismo\, seleccionar aquellas features o atributos que cumplan con ciertas propiedades lógicas. Esto da lugar a las nociones de features relevantes y necesarias\, en cuyo cálculo se profundiza aquí. Se aportan resultados formales que sustenten algoritmos existentes en la literatura\, así como también se proponen algoritmos eficientes para detectar la necesidad de features en modelos tanto simples (e.g. árboles de decisión) como complejos (e.g. redes neuronales). A su vez\, se exploran generalizaciones para la noción de relevancia\, con el objetivo de capturar una visión más detallada del comportamiento de un modelo para una predicción dada. Por último\, se introduce una nueva noción global de utilidad\, que apunta a explicar si una feature es importante para el comportamiento de un modelo a nivel general\, sin considerar una entrada en particular. De aquí surge también una propuesta para un sistema de feature ranking basado en utilidad\, para cuyo cálculo se presentan algoritmos eficientes para ciertos modelos.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-tomas-capdevielle/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250604T100000
DTEND;TZID=America/Sao_Paulo:20250604T120000
DTSTAMP:20260404T195236
CREATED:20250602T131302Z
LAST-MODIFIED:20250602T131302Z
UID:9967-1749031200-1749038400@www.dc.uba.ar
SUMMARY:Defensa Tesis Doctorado Damina Furman
DESCRIPTION:Título: Generación automática de contra-narrativas utilizando información argumentativa para combatir mensajes de odio.\nDirectoras: M. Vanina Martinez\, Laura Alonso Alemany\nDirector adjunto: Ricardo O. Rodriguez\nConsejero de estudios: Fernando Schapachnik \nJurados:\nDr. Ing. Luis Chiruzzo\, Universidad de la Republica\, Montevideo\, Uruguay\nDra. Diana I. Perez\, Universidad de Buenos Aires\, Argentina\nDr. Axel Soto\, Universidad del Sur & Conicet\, Argentina \nLink Youtube: https://youtube.com/live/dT73wB4Ao5g?feature=share \nResumen: \nEn el siguiente trabajo elaboramos un dataset de tweets de odio anotados con componentes argumentativos generales y específicos del dominio y con tipos distintos de contranarrativas definidas según estrategias basadas en estos componentes\, con el objetivo de utilizarlos para mejorar el rendimiento de distintos modelos de lenguaje en la tarea de generación automática de contra-narrativas para combatir la xenofobia. \nMostramos que se puede obtener un nivel aceptable de acuerdo entre anotadores\, a pesar de la naturaleza subjetiva de la tarea\, al utilizar un manual de anotación definido a través de un proceso iterativo que involucra a los anotadores y que los componentes argumentativos propuestos pueden ser identificados\, luego\, de manera automática con un rendimiento satisfactorio. \nEstudiamos y desarrollamos las falencias que tienen las métricas utilizadas para realizar evaluaciones automáticas de generación de texto en la tarea de generación de contra-narrativas\, tanto aquellas basadas en superposición de n-gramas como aquellas basadas en comparación de embeddings y proponemos categorías de evaluación que permiten definir una metodología para asignar puntajes numéricos a las contranarrativas a la vez que se explicitan las características deseables que deben tener y definen qué significa que una contra-narrativa sea aceptable o buena. \nCon esta herramienta realizamos una evaluación con anotadores humanos a través de la cual concluimos que para la familia de modelos Flan-T5 el factor que aumenta en mayor medida el rendimiento de los modelos es el ajuste fino a un conjunto de datos de calidad\, en comparación a aumentar el tamaño del modelo o incluso a utilizar la información argumentativa. La información argumentativa no mejora el rendimiento de los modelos de manera significativa con la excepción de aquellos que se ajustan utilizando un solo tipo de contranarrativa y la información argumentativa en la que basan su estrategia. \nFinalmente\, utilizamos la evaluación humana para entrenar modelos para realizar evaluaciones automáticas y evaluamos así la generación realizada por distintos Grandes Modelos de Lenguaje con múltiples configuraciones de generación.
URL:https://www.dc.uba.ar/event/defensa-tesis-doctorado-damina-furman/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250605T200000
DTEND;TZID=America/Sao_Paulo:20250605T210000
DTSTAMP:20260404T195236
CREATED:20250528T125354Z
LAST-MODIFIED:20250528T125405Z
UID:9946-1749153600-1749157200@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Alexis Martín Abad
DESCRIPTION:Título: Pure Pattern Calculus à la de Bruijn\nDirector: Andrés Ezequiel Viso\nCo-director: Alejandro Ríos\nJurados:\n   Pablo Barenbaum (Universidad de Buenos Aires)\n   Hernán Melgratti (Universidad de Buenos Aires)\n\nResumen:\nEs bien conocido en el estudio de lenguajes de programación que lidiar con ligadores y\nnombres de variables puede ocasionar conflictos como ser capturas indeseadas de variable\nal implementar intérpretes o compiladores. Este problema puede resolverse recurriendo a\níndices de de Bruijn en cálculos cuyos ligadores capturen un único nombre de variable\,\ncomo el Cálculo λ. Otra ventaja del enfoque con índices es que la α-equivalencia se\ntransforma en igualdad sintáctica.\nPor otra parte\, en estos últimos años los cálculos de patrones ganaron considerable atención\npor su expresividad. Resultan ser notablemente convenientes al estudiar los fundamentos de\nlenguajes de programación funcional que modelen pattern matching\, path polymorphism\,\npattern polymorphism\, entre otros. Sin embargo la literatura no aborda la cuestión de cómo\nlidiar con α-conversión y ligadores que capturen múltiples nombres de variable\nsimultáneamente. Tal es el caso del Pure Pattern Calculus (PPC): una extensión natural del\nCálculo λ que permite abstraer prácticamente cualquier término. Este trabajo extiende las\nideas de de Bruijn para abordar el problema de ligadura múltiple mediante la introducción de\nuna novedosa presentación de PPC con índices bidimensionales\, parte de un proyecto de\nimplementación de un prototipo de un lenguaje de programación funcional tipado basado en\nPPC que captura path polymorphism.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-alexis-martin-abad/
LOCATION:Aula 1113
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250606T080000
DTEND;TZID=America/Sao_Paulo:20250606T100000
DTSTAMP:20260404T195236
CREATED:20250602T130751Z
LAST-MODIFIED:20250602T130751Z
UID:9965-1749196800-1749204000@www.dc.uba.ar
SUMMARY:Defensa Tesis Doctorado Daniel Grimaldi
DESCRIPTION:Título: Estudio lógico-matemático de una familia de operadores de actualización no-priorizados de bases de conocimiento\nDirectora: M. Vanina Martinez\nDirector adjunto: Ricardo O. Rodriguez\nConsejero de estudios: Daniel Acevedo \nJurados:\nDr. Eduardo Barrio UBA & CONICET\, Buenos Aires\, Argentina\nDr. Ramón Pino Perez\, Université Artois\, Lens\, Francia\nDra. Renata Wassermann\, USP\, São Paulo\, Brasil \nLink Youtube: https://youtube.com/live/k1Omx6jME9s \nResumen: \nDesde la década de 1980\, el modelo AGM de operadores revision y contraction en la teoría del cambio de creencias ha sido adoptado en inteligencia artificial para enfrentar el problema de actualizar bases de conocimiento con información potencialmente inconsistente. Este modelo ofrece tanto un enfoque formal\, como también una perspectiva computacional realista y una claridad semántica. Con el tiempo\, el modelo AGM se ha generalizado para aplicarse en diversos contextos\, desarrollando operadores priorizados para entornos dinámicos\, como update y erase; operadores de cambios múltiples priorizados\, como package y choice; operadores no priorizados\, como credibility-limited revision\, shielded contraction o filtered revision; e incluso variantes aplicables a lógicas no clásicas. \nEn esta tesis\, proponemos un enfoque homogéneo para analizar esta diversidad bajo un mismo marco teórico. Presentaremos una semántica basada en mundos posibles\, desvinculada de cualquier lógica subyacente\, donde las creencias se representan únicamente como un conjunto de mundos\, sin depender de una sintaxis específica. A continuación\, adaptaremos varios de los modelos conocidos a este marco\, y propondremos una familia de operadores no priorizados que engloba las propuestas anteriores. Finalmente\, demostraremos que nuestro marco teórico efectivamente homogeneiza y generaliza las propuestas clásicas\, finitas y múltiples que se conocen para la lógica proposicional clásica.
URL:https://www.dc.uba.ar/event/defensa-tesis-doctorado-daniel-grimaldi/
LOCATION:Sala 2103
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250623T110000
DTEND;TZID=America/Sao_Paulo:20250623T120000
DTSTAMP:20260404T195236
CREATED:20250618T125540Z
LAST-MODIFIED:20250618T131932Z
UID:9972-1750676400-1750680000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Tobías Valdés Castro
DESCRIPTION:Título: ¿Cómo ordenamos?\nDirector: Matías Lopez-Rosenfeld\nCo-Director: Pablo Turjanski\nJurados: Gabriela di Piazza\, Ariel Salgado y Rodrigo Laje \nResumen:\nEntre los temas iniciales que se suelen incluir en la currícula de las carreras de Ciencias de la Computación se encuentra el ordenamiento. Una de las estrategias didácticas para abordarlo es la problematización del tema con diferentes escenarios\, como pueden ser las secuencias de números\, naipes\, etc. Desarrollamos un videojuego para poder estudiar el comportamiento de estudiantes frente a distintos escenarios\, y de esta manera analizar ventajas y desventajas de cada propuesta. En la caracterización de escenarios\, se destaca que en algunos de ellos la información disponible y operaciones mínimas necesarias para resolver no son equivalentes a las usadas por los algoritmos que se presentan en los cursos\, parte de la tarea es computada sin la necesidad de realizar explícitamente una de sus operaciones. Finalmente\, se concluye que se debe prestar atención al momento de seleccionar un escenario\, de manera tal que las operaciones e información disponibles sean similares a las que tienen y utilizan luego los algoritmos que se enseñarán al resolverlo. Esto es\, que incluya los comandos básicos a utilizar por el algoritmo a introducir en clase.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-tobias-valdes-castro/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250623T170000
DTEND;TZID=America/Sao_Paulo:20250623T180000
DTSTAMP:20260404T195236
CREATED:20250619T163749Z
LAST-MODIFIED:20250619T163749Z
UID:9975-1750698000-1750701600@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Ezequiel Companeetz
DESCRIPTION:Título: Optimización de ASV para árboles de decisión\nDirectores: Santiago Cifuentes\, Sergio Abriola\nJurados: Eric Brandwein\, Pablo Riera \nResumen:\nEn esta tesis se aborda el problema de la explicabilidad en modelos de aprendizaje automático mediante métodos de feature attribution. En particular\, se estudia una variante de los Shapley values conocida como Asymmetric Shapley Values (ASV)\, que permite incorporar conocimiento causal en la explicación de modelos de forma model agnostic. A partir del análisis de su complejidad\, se demuestra que el cálculo exacto de ASV es polinomial en modelos cuya distribución de entrada está representada por una red bayesiana del tipo Naive Bayes\, en contraste con SHAP\, que es #P-hard aún en este caso restringido. Con el objetivo de extender estos resultados a clases más generales de redes bayesianas\, se introduce una noción de clases de equivalencia sobre los órdenes topológicos del grafo causal subyacente\, lo cual permite reducir drásticamente el número de permutaciones necesarias para computar ASV. Se presenta un algoritmo polinomial en el número de clases para identificarlas\, y se implementa un esquema de cómputo exacto de ASV basado en estas clases. Además\, se propone un nuevo método para computar en tiempo polinomial la predicción esperada de un árbol de decisión\, sobre una distribución dada por una red bayesiana arbitraria\, permitiendo así evaluar el algoritmo desarrollado para el cómputo de ASV en estos modelos. Por último\, se propone un algoritmo aproximado para calcular el ASV en familias de DAG’s causales del tipo polytree. Para ello\, se desarrolla un algoritmo de muestreo aleatorio de órdenes topológicos de polytrees. Estos resultados respaldan la viabilidad del enfoque propuesto en estructuras causales realistas\, y se contrastan empíricamente con SHAP tanto en precisión como en eficiencia computacional.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-ezequiel-companeetz/
LOCATION:Aula 1102
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250626T140000
DTEND;TZID=America/Sao_Paulo:20250626T150000
DTSTAMP:20260404T195236
CREATED:20250623T132624Z
LAST-MODIFIED:20250623T132907Z
UID:9977-1750946400-1750950000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Diego Tubello
DESCRIPTION:Título: Evaluación de la métrica CK como predictor de indicadores de desempeño en arquitecturas de microservicios\nDirectores: Santiago Figueira\, Pablo Rubinstein\nJurados: Juan Pablo Galeotti\, Diego Garbervetsky \nResumen: Este trabajo analiza la validez de las métricas CK\, un conjunto de métricas orientadas a objetos propuestas por Chidamber y Kemerer\, como predictores tempranos de fallos en producción en arquitecturas basadas en microservicios. Se utilizó una muestra de 30 repositorios Java pertenecientes a una plataforma de e-commerce en producción\, con más de 25 millones de transacciones diarias. Se calcularon las métricas CK para todas las versiones productivas generadas a lo largo de un período de dos años\, y se compararon con indicadores empíricos de desempeño\, particularmente la tasa de rollbacks mensuales. Para evaluar la correlación\, se aplicaron distintos métodos estadísticos (Pearson\, Spearman y Kendall) y funciones de agregación (media\, mediana y promedio ponderado). Si bien se observaron algunas correlaciones débiles en ciertos contextos\, no se halló evidencia significativa que respalde la hipótesis de que las métricas CK sean buenos predictores de problemas en producción. Estos resultados sugieren que\, en el contexto de los repositorios analizados\, podrían requerirse métricas adaptadas o complementarias que reflejen con mayor fidelidad la complejidad y el riesgo de generar defectos que lleguen a producción. \nEsta tesis se fue realizada en el marco del programa +Acompañamiento: https://exactas.uba.ar/acompanamiento/
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-diego-tubello/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250627T100000
DTEND;TZID=America/Sao_Paulo:20250627T110000
DTSTAMP:20260404T195236
CREATED:20250624T130133Z
LAST-MODIFIED:20250624T130133Z
UID:9982-1751018400-1751022000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Gianfranco Bogetti
DESCRIPTION:Título: Predicción de movimientos humanos en ajedrez adaptable al ELO\nDirectores: Diego Fernandez Slezak\, Agustín Sansone\nJurados: Juan Pablo Pinasco\, Santiago Laplagne. \nResumen:\nCon el rápido avance de la inteligencia artificial (IA)\, que alcanza en ocasiones niveles de rendimiento sobrehumano\, surge una valiosa oportunidad para que los humanos aprendan de los algoritmos y colaboren con ellos. Sin embargo\, las diferencias en los enfoques de resolución de problemas entre humanos y máquinas a menudo dificultan la comprensión e integración de los sistemas de IA en el aprendizaje humano.\nEste trabajo presenta el desarrollo de un modelo de inteligencia artificial adaptable al nivel de habilidad humana\, medido a través del ELO\, que predice movimientos en ajedrez. Para lograrlo\, se modificó la arquitectura de redes neuronales de Leela Chess Zero para integrar el ELO como un parámetro de entrada. El modelo fue entrenado y evaluado utilizando más de 10 millones de partidas de ajedrez de la base de datos de Lichess. Los resultados muestran que el modelo es capaz de alcanzar niveles de exactitud incluso mayores a los de trabajos relacionados como Maia Chess\, además de aportar la adaptabilidad del ELO.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-gianfranco-bogetti/
LOCATION:Sala 1606
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250627T170000
DTEND;TZID=America/Sao_Paulo:20250627T180000
DTSTAMP:20260404T195236
CREATED:20250624T125808Z
LAST-MODIFIED:20250624T125808Z
UID:9980-1751043600-1751047200@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Matías Grynberg Portnoy
DESCRIPTION:Título: Nuevas variantes y optimización de métodos QSS para Geant4: simulación por cuantificación de estados para física de altas energías\nDirector: Dr. Rodrigo Castro (DC/ICC)\nJurado:\n– Dr. Edgardo Marchi (DC-FCEyN-UBA\, INTI)\n– Dr. Lucio Santi (MercadoLibre) \nResumen del trabajo:\nLa simulación del movimiento de partículas en campos magnéticos es una tarea fundamental en física\, que se aborda típicamente con métodos numéricos clásicos de tiempo discreto\, como los algoritmos de la familia Runge-Kutta. Sin embargo\, estos métodos tienen algunas limitaciones importantes\, particularmente en presencia de discontinuidades geométricas muy frecuentes\, donde su coste computacional aumenta significativamente. En contraste\, los métodos Quantized State System (QSS) ofrecen una alternativa eficiente que discretiza el espacio de estados mientras mantiene el tiempo continuo\, lo que permite una mayor eficiencia en ciertos escenarios específicos.\nEn esta tesis se proponen optimizaciones para la familia de métodos QSS con el objetivo de hacerlos más competitivos en el contexto de la biblioteca Geant4\, el estándar de simulación de trayectorias de partículas. Las contribuciones incluyen una reimplementación más eficiente (newQSS) del código preexistente de QSS para Geant4\, una nueva variante HelixQSS (que combina trayectorias helicoidales con QSS) y otra nueva variante RotationQSS (que incorpora cambios en el sistema de coordenadas para mejorar la precisión en ciertos casos). Además\, se realiza un análisis exhaustivo de la eficiencia de estas variantes en términos de su rendimiento y precisión.\nLos resultados presentados revelan que\, en situaciones de alta proporción de interpolaciones (requeridas por el tratamiento de discontinuidades)\, los nuevos steppers resultan competitivos en comparación con los métodos tradicionales. En contraste\, para bajas cantidades de interpolaciones\, como es de esperar\, las estrategias derivadas de la integración por cuantificación de estados no ofrecen ventajas en términos de rendimiento respecto a los métodos clásicos de orden superior.\nEn síntesis\, se obtuvieron avances relevantes en la eficiencia y la calidad aportadas por newQSS\, HelixQSS y RotateQSS respecto a la implementación previa de QSS\, siendo en algunos casos más eficientes que los métodos clásicos.\nLos nuevos métodos presentados abren la puerta a nuevas líneas de trabajo para ampliar y mejorar las variantes presentadas\, sentando nuevas bases para la evolución de los métodos QSS aplicados a simulaciones de física de altas energías.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-matias-grynberg-portnoy/
LOCATION:Sala 2103
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250714T123000
DTEND;TZID=America/Sao_Paulo:20250714T133000
DTSTAMP:20260404T195236
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:20260404T195236
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
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250801T160000
DTEND;TZID=America/Sao_Paulo:20250801T170000
DTSTAMP:20260404T195236
CREATED:20250729T133458Z
LAST-MODIFIED:20250801T121324Z
UID:10077-1754064000-1754067600@www.dc.uba.ar
SUMMARY:DÁTAME! las charlas de LCD - Manuel Duran - Viernes 01/08 16hs.
DESCRIPTION:Este Viernes 01/08 tenemos DÁTAME!\nEl encuentro será a las 16 hs. en el aula 1114. \nLa presentación estará a cargo de Manuel Durán y el título de la charla es: \n  \nFútbol y Datos: La experiencia del Racing de Santander \nSobre la charla \nEn esta charla exploraremos cómo el machine learning está transformando el análisis y la toma de decisiones en el fútbol. Comenzaremos con una introducción a los modelos de inteligencia artificial\, como el Expected Goals (xG)\, aplicados al fútbol actual\, explicando sus fundamentos y ventajas. A continuación\, veremos casos reales de aplicación en el Racing de Santander\, equipo de la Segunda División española\, mostrando cómo los datos y la IA contribuyen a optimizar el rendimiento y la estrategia del equipo. Además\, presentaremos ejemplos prácticos del día a día y discutiremos las líneas de investigación en desarrollo. \nSobre el orador \nManuel Durán es ingeniero industrial (UBA) y un apasionado por los datos\, el machine learning y la optimización. Se desempeñó como Data Science Specialist en Accenture\, desarrollando soluciones para forecasting\, usando Machine Learning y técnicas avanzadas de analítica. Es docente en la materia Industrias Digitales y Ciencia de datos en la facultad de ingeniería de la UBA y trabaja como director del Departamento de Data del Real Racing Club de Santander (equipo de la 2da división de La Liga española). \nConsultas: info.lcd@exactas.uba.ar \nSobre ¡DÁTAME! \nEste ciclo de charlas busca simultáneamente \n– Ser un lugar de encuentro entre todos/as los/as que nos sentimos cercanos a LCD ya sea por ser estudiantes de la carrera o carrera cercanas\, docentes\, investigadores/as interesados/as o simplemente amigos/as de LCD. \n– Ofrecer a estudiantes de la carrera un panorama amplio de posibles caminos que puede recorrer un/a especialista en ciencias de datos. \n– Exponer a estudiantes de LCD a importantes referentes de la disciplina que trabajan en diversos ámbitos (investigación científica\, empresas\, organismos estatales\, ONGs\, etc. ) \n– Aprender un montón de cosas sobre datos. Qué tipo de problemas se pueden resolver con ellos y cuáles no\, qué precauciones debemos tener\, qué desafíos afronta la disciplina y mucho más. \n– Evidenciar la diversidad de disciplinas que confluyen en esta carrera y experimentar cómo interactúan. \n– Compartir un buen rato\, una vez por mes. \nEstá destinado principalmente a estudiantes de la carrera\, pero todas/os somos bienvenidas/os. \nHabitualmente\, nos juntamos el 3er. viernes de cada mes a las 16hs.\, excepto en ocasiones especiales. \n¡Las y los esperamos!
URL:https://www.dc.uba.ar/event/datame-las-charlas-de-lcd-manuel-duran-viernes-01-08-16hs/
LOCATION:Aula 1114
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250821T110000
DTEND;TZID=America/Sao_Paulo:20250821T120000
DTSTAMP:20260404T195236
CREATED:20250820T144215Z
LAST-MODIFIED:20250820T144215Z
UID:10126-1755774000-1755777600@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Santiago Corley
DESCRIPTION:Título: Generación de modelos CAD 3D con grandes modelos de lenguaje\nDirectores: Emmanuel Iarussi y Rodrigo Castro\nJurados: Gisela Confalonieri y Manuel Dubinsky \nResumen: \nEn los últimos años han surgido numerosas aplicaciones de los grandes modelos de lenguaje (LLMs). Sus casos de uso no se restringen únicamente al procesamiento de lenguaje natural\, sino que también abarcan tareas como la generación de código\, la interpretación de imágenes y\, más recientemente\, la creación de objetos 3D. Diversos trabajos han abordado la generación de formas 3D mediante LLMs\, aunque muchas de sus representaciones se alejan de la práctica habitual de los modeladores humanos. \nEn esta tesis se propone un camino alternativo: tratar la generación de objetos 3D como un problema de programación\, explorando las capacidades de distintos LLMs para producir código en OpenSCAD\, un software ampliamente utilizado para modelar geometría en 3D a partir de descripciones textuales. El trabajo incluye la evaluación de modelos existentes en la tarea de generar código OpenSCAD\, el diseño de conjuntos de datos adecuados para entrenar LLMs en este dominio\, y finalmente el entrenamiento de distintos modelos para la programación de OpenSCAD\, comparando su desempeño sobre los datos creados.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-santiago-corley/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250822T140000
DTEND;TZID=America/Sao_Paulo:20250822T150000
DTSTAMP:20260404T195236
CREATED:20250821T145048Z
LAST-MODIFIED:20250821T145048Z
UID:10128-1755871200-1755874800@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Catherine Sophie Louys Sanso
DESCRIPTION:Título: Clasificación de especies en bosques utilizando imágenes capturadas con vehículos aéreos no tripulados y aprendizaje profundo\nDirector: Dr. Pablo De Cristóforis\nCo-Director: Ing. Raverta Capua\nJurados:\nDra. Victoria Paternostro\nDra. María Elena Buemi \nResumen: \nEn este trabajo se aborda el desafío de clasificar especies arbóreas a partir de imágenes aéreas RGB mediante técnicas de segmentación semántica basadas en aprendizaje profundo. Para la recolección de datos se consideró una tecnología accesible y de bajo costo\, como son los drones equipados con cámaras RGB\, enfrentando las limitaciones propias de este tipo de datos\, como la variabilidad en la iluminación\, la oclusión parcial de copas y la similitud fenotípica entre especies. Como parte de esta tesis se replicó el trabajo de Cloutier et al (2024)\, donde se utilizó un modelo basado en la red convolucional U-Net. A partir de dicho modelo\, se implementaron modificaciones sobre la arquitectura propuesta. Para esto\, se evaluaron 3 tipos de schedulers distintos\, los cuales permitieron mejorar el desempeño de la red. Con estas mejoras se alcanzó un F1 socre de 0.7392\, superando el valor reportado en el trabajo original. Como alternativa a la U-Net\, también se entrenó una red DeepLabV3 con ResNet-50 de backbone. Con este modelo se probaron distintas configuraciones\, empleando los mismos schedulers que se utilizaron para la U-Net. Con la red DeepLabV3 se alcanzó un F1 score de 0.7515 en promedio entre las especies\, superando el desempeño del modelo propuesto en el trabajo de Cloutier et al (2024)\, lo cual representa un avance en el estado del arte. \n 
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-catherine-sophie-louys-sanso/
LOCATION:Aula 1307
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250822T170000
DTEND;TZID=America/Sao_Paulo:20250822T180000
DTSTAMP:20260404T195236
CREATED:20250820T141517Z
LAST-MODIFIED:20250820T141517Z
UID:10124-1755882000-1755885600@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Dafne Yudcovsky
DESCRIPTION:Título: Modelos de programación lineal entera para problemas de asignación de turnos con condiciones de estabilidad \nTesista: Dafne Sol Yudcovsky \nJurado: Dr. Federico Pousa \nResumen: \nDentro del campo de la optimización\, la programación lineal entera se destaca por su capacidad para modelar problemas de decisión en los que las variables deben asumir valores enteros\, cuya flexibilidad expresiva puede reflejar restricciones inherentes a muchos sistemas de la vida real. Esta rama de la programación matemática permite abordar una amplia variedad de aplicaciones\, como por ejemplo la planificación de turnos y horarios. Como caso de estudio se tiene una estación de servicio que busca mejorar su atención al cliente priorizando la rentabilidad y la estabilidad en el inicio de los turnos de los empleados. En esta tesis de licenciatura se buscará encontrar un cronograma de empleados que permita satisfacer estas cuestiones. A partir de este objetivo\, se presentan distintas variaciones de un modelo matemático cuya formulación cubre las necesidades del problema a resolver y se procede con una experimentación computacional para evaluar la performance de cada variación. Estas variaciones se corresponden con activar o desactivar una restricción elástica dentro del modelo de programación lineal entera. Por último\, se realiza un análisis de resultados a partir de distintos parámetros comparativos entre los modelos de cada variación.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-dafne-yudcovsky/
LOCATION:Aula 1307
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250828T140000
DTEND;TZID=America/Sao_Paulo:20250828T150000
DTSTAMP:20260404T195236
CREATED:20250821T153240Z
LAST-MODIFIED:20250821T153240Z
UID:10130-1756389600-1756393200@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Mariano Oca
DESCRIPTION:Título: Estudio de Complejidad en Secuencias de Aminoácidos de Proteínas\nDirector: Dr. Pablo Turjanski\nCo-Director: Dr. Ignacio Sánchez\nJurados:\nDra. Verónica Becher\nDr. Diego Ferreiro \nResumen:\nMotivados por la necesidad de explorar patrones estructurales y niveles de aleatoriedad en secuencias biológicas\, este trabajo presenta el diseño e implementación de una herramienta para analizar la complejidad algorítmica de secuencias de aminoácidos en proteínas. La herramienta integra diversas medidas de complejidad: Icalc\, discrepancia\, discrepancia en bloque\, entropía de Shannon\, entropía de segundo orden\, compresión basada en gzip y aproximaciones de Kolmogorov y Bennett.\nEstas métricas se aplicaron a datos en formato FASTA de proteínas naturales obtenidas de UniProt\, así como a variantes sintéticas generadas a partir de la modificación de dichas secuencias. Entre las variantes consideradas se incluyeron: shuffled (reordenamiento aleatorio de aminoácidos)\, random (generación aleatoria uniforme sobre el alfabeto de aminoácidos)\, sorted (orden alfabético) y single character (reemplazo por un único carácter repetido).\nLa herramienta permite cargar conjuntos de secuencias\, aplicar funciones de complejidad y comparar resultados entre métodos\, ofreciendo un marco flexible para futuros análisis. Los resultados obtenidos refuerzan la hipótesis de que las secuencias de aminoácidos de proteínas naturales son\, en su mayoría\, indistinguibles de secuencias sintéticas generadas al azar\, siempre que se preserve la misma distribución de aminoácidos que en las proteínas reales.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-mariano-oca/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250909T140000
DTEND;TZID=America/Sao_Paulo:20250909T150000
DTSTAMP:20260404T195236
CREATED:20250903T132513Z
LAST-MODIFIED:20250903T132513Z
UID:10163-1757426400-1757430000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Leo Mansini
DESCRIPTION:Título: Verificación Automática de Smart Contracts Move en Sui\nDirector: Diego Garbervetsky\nJurados: Juan Pablo Galeotti\, Javier Godoy \nResumen\nEn el ecosistema de las blockchains\, la verificación formal de contratos inteligentes es fundamental para garantizar su seguridad y confiabilidad\, evitando vulnerabilidades que podrían resultar en pérdidas económicas o fallas de funcionamiento. Sui\, una blockchain que utiliza el lenguaje Move\, presenta un enfoque innovador para la gestión de objetos y transacciones\, pero aún cuenta con un ecosistema de herramientas de verificación en desarrollo.\nEste trabajo tiene como objetivo explorar métodos para la verificación automática de contratos en Sui. Se realiza un estudio del estado actual de la verificación en Move\, evaluando la herramienta Move Prover en su capacidad para comprobar propiedades de seguridad en módulos escritos para Sui. Además\, se propone un flujo de trabajo alternativo que traduce código Move a Rust de manera controlada\, con el fin de habilitar el uso del verificador Kani\, herramienta enfocada en análisis exhaustivo de propiedades y detección de errores en tiempo de compilación.\nLos resultados muestran que Move Prover no es capaz de interpretar el modelo actual de objetos de Move\, mientras que la traducción a Rust permitió aprovechar verificadores externos con mucha mejor capacidad de verificación\, aunque requirió ajustes manuales y simplificaciones del código para poder representar el funcionamiento de Move en Rust.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-leo-mansini/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250916T150000
DTEND;TZID=America/Sao_Paulo:20250916T160000
DTSTAMP:20260404T195236
CREATED:20250909T132001Z
LAST-MODIFIED:20250909T132001Z
UID:10169-1758034800-1758038400@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Juan Vanecek
DESCRIPTION:Título: Deep Learning on Object Oriented Dynamically Typed Languages\n\nDirector: Hernán Wilkinson\nCo-Director: Maximiliano Tabacman\n\nJurados: Agustín Martinez\, Juan Pablo Galeotti \nEstá tesis fue realizada en el marco del programa +acompañamiento de Exactas (https://exactas.uba.ar/acompanamiento/)\n\nResumen: \nEn este trabajo desarrollamos un framework para definir y entrenar modelos de aprendizaje automático en Smalltalk\, un lenguaje orientado a objetos reflexivo y dinámicamente tipado. Este framework busca proporcionar una solución intuitiva y escalable para la construcción de modelos de IA\, aprovechando las mejores prácticas de diseño a lo largo de su desarrollo.\nUtilizamos la librería open-source TensorFlow\, especializada en resolver expresiones matemáticas complejas y ampliamente utilizada en soluciones de IA. Esto nos permite enfocarnos en el diseño y desarrollo de nuestra herramienta sin la necesidad de abordar directamente los desafíos numéricos de bajo nivel. Nuestro objetivo es ofrecer una base de código clara y autoexplicativa que pueda ser fácilmente entendida y ampliada en futuros desarrolladores.\nFinalmente\, comparamos los resultados y el rendimiento de nuestra solución con herramientas similares en otros lenguajes\, como Keras en Python\, así como en dos dialectos de Smalltalk\, destacando tanto las fortalezas como las limitaciones de nuestro enfoque.\n\n\n 
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-juan-vanecek/
LOCATION:Aula a confirmar
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250916T150000
DTEND;TZID=America/Sao_Paulo:20250916T160000
DTSTAMP:20260404T195236
CREATED:20250916T125737Z
LAST-MODIFIED:20250916T125737Z
UID:10173-1758034800-1758038400@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Tomas Bertoli
DESCRIPTION:Título: Analizando la Criptografía en la Práctica: Calendarios Cifrados\nDirector: Fernando Virdia\nJurados: Esteban Mocskos\, Arantxa Zapico\n\nResumen: Cada vez más\, los servicios en la nube están priorizando la privacidad. Proveedores como Signal\, MEGA y Nextcloud son ejemplos destacados en el ámbito de la mensajería y el almacenamiento de archivos\, donde la seguridad se logra mediante «cifrado de extremo a extremo»\, una técnica que cifra los datos de usuario de forma que solo sus dueños puedan acceder a ellos\, escondiendo los contenidos del proveedor de servicio.\nEsta tesis analiza el cifrado de extremo a extremo en el ámbito de los «calendarios privados» en la nube. Elegimos analizar un proveedor llamado Tuta\, que cuenta con más de 10 millones de usuarios. Luego de realizar un trabajo de ingeniería inversa sobre su cliente web\, formalizamos los protocolos de autenticación de usuarios y cifrado de eventos\, intentando demostrar su seguridad. Como resultado\, descubrimos un ataque de integridad en el esquema de cifrado de objetos JavaScript\, y un ataque de recuperación de contraseñas con pre cómputo en el protocolo de autenticación de usuarios\, bajo el modelo del servidor malicioso.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-tomas-bertoli/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250918T160000
DTEND;TZID=America/Sao_Paulo:20250918T170000
DTSTAMP:20260404T195236
CREATED:20250916T130259Z
LAST-MODIFIED:20250916T130259Z
UID:10175-1758211200-1758214800@www.dc.uba.ar
SUMMARY:DÁTAME! las charlas de LCD - Ximena Fernandez
DESCRIPTION:Este Jueves 18/09 tenemos DÁTAME!\nEl encuentro será a las 16 hs. en el aula 1402. \nLa presentación estará a cargo de Ximena Fernandez y el título de la charla es: \n  \n  \n¿Se puede escuchar la forma de una canción? \nSobre la charla \n¿Alguna vez te preguntaste cómo funcionan las apps de reconocimiento de música como Shazam\, o por qué a veces fallan? ¿Pueden la geometría y la topología algebraica mejorar los algoritmos actuales de identificación de audio? En esta charla voy a contar una colaboración reciente con Spotify\, donde aplicamos técnicas de análisis topológico de datos a señales de audio para identificar canciones con distorsiones\, superando las limitaciones de Shazam. \nSobre la oradora \nXimena es matemática e investiga fundamentos y aplicaciones de la topología algebraica al análisis de datos\, en áreas que van desde neurociencia a sistemas dinámicos. Sus artículos aparecieron en revistas como Transactions of the AMS\, Journal of Machine Learning Research y SIAM Journal on Mathematics of Data Science. Se doctoró en la UBA\, fue investigadora en las universidades de Swansea\, Durham y Oxford (Reino Unido)\, y también trabajó en la industria como data scientist en CAMMESA y OLX. Actualmente es profesora en City University of London. Cuando no hace matemáticas\, le gusta bailar swing y correr. \nConsultas: info.lcd@exactas.uba.ar \nSobre ¡DÁTAME! \nEste ciclo de charlas busca simultáneamente \n– Ser un lugar de encuentro entre todos/as los/as que nos sentimos cercanos a LCD ya sea por ser estudiantes de la carrera o carrera cercanas\, docentes\, investigadores/as interesados/as o simplemente amigos/as de LCD. \n– Ofrecer a estudiantes de la carrera un panorama amplio de posibles caminos que puede recorrer un/a especialista en ciencias de datos. \n– Exponer a estudiantes de LCD a importantes referentes de la disciplina que trabajan en diversos ámbitos (investigación científica\, empresas\, organismos estatales\, ONGs\, etc. ) \n– Aprender un montón de cosas sobre datos. Qué tipo de problemas se pueden resolver con ellos y cuáles no\, qué precauciones debemos tener\, qué desafíos afronta la disciplina y mucho más. \n– Evidenciar la diversidad de disciplinas que confluyen en esta carrera y experimentar cómo interactúan. \n– Compartir un buen rato\, una vez por mes. \nEstá destinado principalmente a estudiantes de la carrera\, pero todas/os somos bienvenidas/os. \nHabitualmente\, nos juntamos el 3er. viernes de cada mes a las 16hs.\, excepto en ocasiones especiales. \n¡Las y los esperamos!
URL:https://www.dc.uba.ar/event/datame-las-charlas-de-lcd-ximena-fernandez/
LOCATION:Aula 1402
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR