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:20210101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20220608T143000
DTEND;TZID=America/Sao_Paulo:20220608T163000
DTSTAMP:20260422T190111
CREATED:20220527T160941Z
LAST-MODIFIED:20220527T162910Z
UID:7520-1654698600-1654705800@www.dc.uba.ar
SUMMARY:Defensa Tesis Doctorado Juan Manuel Pérez
DESCRIPTION:Título: Técnicas y recursos para la detección automática de lenguaje discriminatorio en redes sociales \nDirector: Franco Luque\nDirector Asistente: Agustín Gravano \nJurados:\n– Laura Ación  (Instituto de Cálculo\, FCEyN\, UBA)\n– Valerio Basile  (Universidad de Turín\, Italia)\n– Germán Rosati  (Universidad Nacional de San Martín) \nLa defensa tendrá transmisión simultánea por YouTube\, a través del siguiente link: https://youtu.be/iDaear1KG6c \nResumen: \nEl discurso discriminatorio (también conocido como discurso de odio) puede describirse como aquel discurso en clave de intenso aborrecimiento\, denigración y enemistad que ataca a un individuo o un grupo de individuos por poseer –o aparentar poseer– cierta característica protegida por tratados internacionales como el sexo\, el género\, la etnia\, etc. En los últimos años\, este tipo de discurso ha tomado gran relevancia en redes sociales y otros medios virtuales debido a su intensidad y a su relación con actos violentos contra miembros de estos grupos. A raíz de esto\, estados y organizaciones supranacionales como la Unión Europea han sancionado legislación que insta a las empresas de redes sociales a moderar y eliminar contenido discriminatorio\, con particular foco en aquel que insta a la violencia física. \nDebido a la enorme cantidad de contenido generado por usuarios en las redes sociales\, es necesario contar con cierta automatización en esta tarea\, bien para su análisis o para su moderación. Desde la óptica del procesamiento de lenguaje natural\, la detección de discriminación puede entenderse como un problema de clasificación de texto: dado un texto generado por un usuario\, predecir si es o no contenido discriminatorio. Así mismo\, puede ser de interés predecir otras características: por ejemplo\, si el texto contiene un llamado a la acción violenta\, si está dirigido contra un individuo o un grupo\, o el tipo de característica ofendida\, entre otras. \nUna de las limitaciones de los enfoques actuales para la detección del lenguaje discriminatorio es la falta de contexto en el mensaje. La mayoría de los estudios y recursos están hechos sobre datos fuera de contexto; es decir\, mensajes aislados sin ningún tipo de contexto conversacional o del tema del cual se habla. Esto restringe la información disponible –tanto para un humano como para un sistema– para poder discernir si un texto social es discriminatorio. Otra información usualmente faltante es la característica atacada: es común que los datasets estén anotados de manera poco granular\, no brindando información acerca de si la agresión es por motivos de sexo\, género\, clase social\, etc. Por último\, una limitación puntual del español es la poca disponibilidad de recursos para esta tarea. \nEn esta tesis pretendemos abordar algunas de las limitaciones marcadas. Por un lado\, analizamos el impacto de agregar contexto a la detección de lenguaje discriminatorio en redes sociales. Para ello\, construimos un conjunto de datos de tweets en base a las respuestas de los usuarios a los posteos de medios periodísticos en Twitter. Esto nos permite obtener dos tipos de contextos: uno «conversacional» al tener una respuesta a un tweet anterior\, y otro más extenso al obtener el texto de la noticia en cuestión. El corpus fue recolectado sobre noticias relacionadas a la pandemia de COVID-19\, en idioma español mayormente en su variedad dialectal rioplatense y anotado por hablantes nativos de ese dialecto con un nuevo modelo de etiquetado\, que es granular respecto de las características ofendidas. \nSobre los comentarios de este dataset realizamos experimentos de detección de discurso de odio planteando dos tareas: detección binaria del lenguaje discriminatorio\, donde sólo predecimos una etiqueta binaria indicando presencia de lenguaje discriminatorio; y detección granular\, donde predecimos las características ofendidas. Usando técnicas del estado del arte\, obtuvimos mejoras significativas en ambas tareas al agregar contexto como entrada de cada instancia\, tanto en su forma corta (sólo el titular/tweet de la noticia) como en su forma larga (titular y cuerpo de la noticia). Así mismo\, observamos que un clasificador entrenado para la tarea granular mejora levemente su performance al ser evaluado para la tarea binaria\, obviando los posibles errores de motivos discriminatorios. Combinando la adición de contexto y granularidad\, un clasificador para la detección de lenguaje discriminatorio obtiene mejoras considerables sobre un BERT en español que sólo consume el texto del comentario. \nConsiderando la detección de discurso de odio dentro del área más abarcativa de clasificación de documentos en dominios sociales\, analizamos también algunos aspectos generales de tareas relacionadas como el análisis de sentimiento y la detección de emociones\, entre otras. En particular\, analizamos el desempeño de varias técnicas modernas de representación al ser entrenadas en dominios sociales. Comúnmente\, los modelos de representación son entrenados a partir de textos de dominios formales\, como pueden ser Wikipedia u otras fuentes similares. En esta tesis observamos que –desde los word embeddings hasta los modelos pre-entrenados basados en transformers– las representaciones generadas son robustas y mejoran la performance en un conjunto de tareas de clasificación en textos sociales. Sobre los modelos pre-entrenados\, estudiamos el impacto de entrenarlos desde cero en textos sociales o efectuar una adaptación a este dominio. \nTodos los estudios y recursos presentados en esta tesis fueron realizados en el idioma español. Como un objetivo secundario\, pretendemos contribuir a mitigar la enorme asimetría de recursos existente en el área del procesamiento del lenguaje natural. \nPalabras clave: Hate Speech\, Natural Language Processing\, Abusive Language Detection\, Domain Adaptation\, Social NLP.
URL:https://www.dc.uba.ar/event/defensa-tesis-doctorado-juan-manuel-perez/
LOCATION:https://youtu.be/iDaear1KG6c
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20220609T180000
DTEND;TZID=America/Sao_Paulo:20220609T190000
DTSTAMP:20260422T190111
CREATED:20220606T182820Z
LAST-MODIFIED:20220606T182820Z
UID:7549-1654797600-1654801200@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Pablo Artuso
DESCRIPTION:Título: Studying the logging capability of Windows Telemetry component using Reverse Engineering\nDirector: Rodolfo Baader\nJurados: Esteban Mocskos y Leandro Meiners \nResumen:\n=======\nWindows\, uno de los sistemas operativos más populares\, tiene un componente llamado Telemetría.\nDicho componente recolecta información del sistema con el objetivo de analizarla para después poder diagnosticar y reparar problemas de software y hardware\, mejorar la experiencia de usuario\, entre otros.\nEl tipo de información obtenida por este componente es parcialmente configurable a través de la especificación de uno de estos 4 niveles: Seguridad\, Básico\, Mejorado y Completo\, siendo «Seguridad» el nivel que menos información recolecta y «Completo» el que más.\n¿Cómo hace Telemetría para guardar/procesar/administrar la información extraída?\nHace uso de un mecanismo interno de Windows llamado «Seguimiento de Eventos para Windows» (ETW). Embebido tanto en aplicaciones de usuario como en módulos de Kernel\, ETW tiene el objetivo de proveer una interfaz común de escritura de eventos y por lo tanto ayudar a depurar y dejar registro de operaciones del sistema.\nEn este trabajo\, analizaremos una parte del Kernel de Windows con el objetivo de entender cómo funciona el componente de Telemetría desde una perspectiva interna. Dado que el código fuente del Kernel de Windows no es de público acceso\, se aplicarán técnicas tales como ingeniería reversa; lo cual implica otros desafíos complejos tales como depuración de Kernel\, lidiar con estructuras de Kernel no documentadas previamente\, reverseo de mecanismos complejos (ETW)\, librerías sin símbolos\, etc. Este trabajo hará que tanto analistas de Windows\, administradores IT o incluso usuarios de Windows estén más conscientes sobre el comportamiento del componente. Como consecuencia\, se proveerá de recursos necesarios para entender y ayudar a lidiar con temas de privacidad\, corrección de errores\, conocimiento de información recolectada\, etc.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-pablo-artuso/
LOCATION:https://youtu.be/ZDxiv_m4t6Q
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20220613T140000
DTEND;TZID=America/Sao_Paulo:20220616T180000
DTSTAMP:20260422T190111
CREATED:20220613T120656Z
LAST-MODIFIED:20220613T120656Z
UID:7569-1655128800-1655402400@www.dc.uba.ar
SUMMARY:Elección de Representantes de Estudiantes\, de Graduados\, y de Profesores en el CoDep y relevamiento de opinión para Director/a del Departamento de Computación
DESCRIPTION:Horario:\nLunes 13/6 a miércoles 15/6 de 14 a 20hs\nJueves 16/6 de 14 a 18hs. \nLugar: oficina de alumnos del DC\, planta baja\, edificio 0+inf \nCandidatos por claustro de alumnos: \nSebastián Felgueras\nJulieta Goria\nIgnacio Losiggio\nMarcelo Pedraza\n—————————-\nCandidatos por claustro de graduados: \nBruno Bianchi\nChristian Cossio Mercado\nLara Gauder\nMalena Ivnisky\n—————————-\nCandidatos por claustro de profesores: \nMatías López y Rosenfeld\nPablo Turjanski\nHernán Wilkinson\nPaula Zabala\n—————————\nCandidatos para director \nJuan Pablo Galeotti
URL:https://www.dc.uba.ar/event/eleccion-de-representantes-de-estudiantes-de-graduados-y-de-profesores-en-el-codep-y-relevamiento-de-opinion-para-director-a-del-departamento-de-computacion/
LOCATION:Oficina 1502. Pabellón Cero+Infinito
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20220614T140000
DTEND;TZID=America/Sao_Paulo:20220614T160000
DTSTAMP:20260422T190111
CREATED:20220330T181709Z
LAST-MODIFIED:20220330T181709Z
UID:7439-1655215200-1655222400@www.dc.uba.ar
SUMMARY:Reunión de Comisión de Doctorado - junio 2022
DESCRIPTION:Se tratará lo que se incluya  hasta el 02/06 hasta las 16 hs.
URL:https://www.dc.uba.ar/event/reunion-de-comision-de-doctorado-junio-2022/
CATEGORIES:Subcomisión de Doctorado
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20220621T140000
DTEND;TZID=America/Sao_Paulo:20220621T150000
DTSTAMP:20260422T190111
CREATED:20220615T124810Z
LAST-MODIFIED:20220621T151840Z
UID:7574-1655820000-1655823600@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Piotr Romashov
DESCRIPTION:Título: BAYCON: Generador Bayesiano de Contrafácticos para Inteligencia Artificial Explicable \nDirector: Maria Vanina Martinez \nJurados: Pablo Negri  y Ricardo O. Rodriguez \nLink: https://youtu.be/AF0uD2MKgUo \nResumen: \nGenerar contrafácticos para descubrir escenarios predictivos hipotéticos es el estándar de facto para explicar los modelos de aprendizaje automático y sus predicciones. Sin embargo\, construir un explicador contrafáctico que sea eficiente en el tiempo\, escalable y agnóstico del modelo\, además de ser compatible con atributos continuos y categóricos\, sigue siendo un desafío abierto. Para complicar aún más las cosas\, garantizar que las instancias a contrastar están optimizadas para la esparsitud de los atributos\, permanecen cerca de la instancia explicada y se mantiene dentro de la variedad de los datos\, está lejos de lo trivial. Para abordar esta brecha\, proponemos BayCon: un novedoso generador de contrafácticos basado en el muestreo de características probabilísticas y optimización bayesiana. Tal enfoque puede combinar múltiples objetivos empleando un modelo sustituto para guiar la búsqueda contrafáctica. Demostramos las ventajas de nuestro método a través de una colección de experimentos basados en seis conjuntos de datos de la vida real que representan tres tareas de regresión y tres de clasificación.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-piotr-romashov/
LOCATION:Sala 1606
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20220621T170000
DTEND;TZID=America/Sao_Paulo:20220621T180000
DTSTAMP:20260422T190111
CREATED:20220615T181637Z
LAST-MODIFIED:20220615T181637Z
UID:7588-1655830800-1655834400@www.dc.uba.ar
SUMMARY:Charla de Alejandro Russo: "Análisis de datos respetando la privacidad de las personas"
DESCRIPTION:Profesor de la Universidad Tecnológica y de la Universidad de Göteborg\, Suecia. \nCiclo de charlas ¡DATAME! (Licenciatura en Ciencia de Datos).
URL:https://www.dc.uba.ar/event/charla-de-alejandro-russo-analisis-de-datos-respetando-la-privacidad-de-las-personas/
LOCATION:Aula 1403
CATEGORIES:Agenda
ATTACH;FMTTYPE=image/jpeg:https://www.dc.uba.ar/wp-content/uploads/2022/06/WhatsApp-Image-2022-06-14-at-11.30.45-AM.jpeg
END:VEVENT
END:VCALENDAR