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:20220804T110000
DTEND;TZID=America/Sao_Paulo:20220804T120000
DTSTAMP:20260418T192525
CREATED:20220727T152354Z
LAST-MODIFIED:20220727T152354Z
UID:7659-1659610800-1659614400@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Gerardo Fuentes
DESCRIPTION:Título: Análisis de la evolución del aprendizaje y uso de TDD\nDirector: Hernán Wilkinson\nJurados: Juan Pablo Galeotti y Sebastían Uchitel \nResumen:\nActualmente si bien hay estudios sobre la aplicación de la técnica de Test\nDriven Development (de ahora en adelante TDD)\, ninguno se enfoca en la evolución\nde su aprendizaje. Debido a esto\, no hay material empírico sobre el cual basarse\npara planificar estrategias de enseñanza de la técnica\, o su evaluación.\nEn el presente trabajo se analizó la aplicación de TDD y la progresión de su\naprendizaje en el contexto de la cursada de la materia Ingeniería de Software I de la\nFacultad de Ciencias Exactas y Naturales de la UBA.\nPara este análisis se utilizó el modelo y la información que genera una\nherramienta de validación de uso de TDD. Como input de dicha herramienta se\nrecolectaron datos de alumnos de dos cuatrimestres de la materia Ingeniería de\nSoftware I\, puntualmente datos de ejercicios y parciales.\nUna vez que se obtuvo la información del uso de TDD\, se calcularon diversos\nindicadores con el fin de estudiar la evolución del aprendizaje de la técnica\, su\naplicación y detectar algún patrón entre los distintos valores calculados. Luego\, se\ncompararon los resultados obtenidos entre ejercicios y parciales para\nposteriormente cotejarlos entre ambos cuatrimestres analizados.\nSe realizó también una encuesta a los alumnos de los cuales se extrajeron\ndatos con el fin de validar algunos indicadores obtenidos y obtener información de\ncarácter más personal por parte de los estudiantes.\nSe pudo observar que\, si bien los alumnos aplicaron TDD en los ejercicios\, no\nlograron hacerlo en todo su contexto\, se mostrarán los motivos. \nPalabras Clave: TDD\, TDDGuru\, CuisUniversity\, Evolución de aprendizaje\, Ingeniería\nde Software
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-gerardo-fuentes/
LOCATION:Aula a confirmar
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20220804T170000
DTEND;TZID=America/Sao_Paulo:20220804T180000
DTSTAMP:20260418T192525
CREATED:20220726T180659Z
LAST-MODIFIED:20220801T140450Z
UID:7657-1659632400-1659636000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Ignacio Fernandez y Emiliano Galimberti
DESCRIPTION:Título: Optimización de reglas de asociación generalizadas y jerárquico-temporales\nDirector: Cecilia Ruz\nJurados: Vanina Martinez y Pablo Turjansky \nResumen:\n========\nReglas de asociación es una técnica de minería de datos no supervisada que permite generar hipótesis a partir de los datos. Esta técnica consiste en encontrar todos los subconjuntos de items que ocurren frecuentemente en una base de datos\, para luego  generar reglas que indiquen la influencia y relación entre los elementos de los subconjuntos conseguidos anteriormente. El\ndominio de problema más común son las compras de supermercado.\nLas reglas de asociación generalizadas son una extensión de las reglas de asociación. Éstas aprovechan el uso de una taxonomía predefinida sobre los datos para obtener información más abstracta y compacta. La taxonomía es definida por un experto del dominio o por un proceso automático. En el caso de una base de datos transaccional como las compras del supermercado\, la taxonomía puede ser la categorización de los productos.\nOtra extensión son las reglas de asociación temporales. Éstas buscan relacionar el espacio temporal con los items de la base de datos y utilizar esta información para obtener los subconjuntos que ocurren frecuentemente en distintos períodos de tiempo\, sin descartarlos en caso de no cumplir con la frecuencia deseada en la totalidad de la base de datos. Vamos a utilizar una jerarquía\ntemporal que nos ayudará a buscar reglas por períodos granulares.\nEn el presente trabajo se investigaron las soluciones existentes para este problema y las extensiones mencionadas. Luego\, se llevaron a cabo implementaciones de cada una de ellas\, agregando técnicas de optimización apoyadas por experimentación para luego concluir con la creación de un algoritmo que combina las reglas generalizadas con las temporales.\nFinalmente\, estos algoritmos se disponibilizarán mediante una librería pública en Python para su uso académico y profesional.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-ignacio-fernandez-y-emiliano-galimberti/
LOCATION:Aula 1113
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20220808T110000
DTEND;TZID=America/Sao_Paulo:20220808T120000
DTSTAMP:20260418T192525
CREATED:20220802T161745Z
LAST-MODIFIED:20220802T161745Z
UID:7692-1659956400-1659960000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Maximiliano Martino
DESCRIPTION:Título: Aplicación de Redes Neuronales de Impulsos para el reconocimiento no supervisado de patrones secuenciales\nDirector: Dr. Pablo Negri (ICC)\nJurado: Dra. Teresa Serrano-Gotarredona (Instituto de Microelectrónica de Sevilla)\, Dr. Rodrigo Castro (ICC) \nResumen: \nLa llamada tercer generación de redes neuronales artificiales\, las redes neuronales de impulsos\, resultan ser más realistas y biológicamente plausibles.\nEn este trabajo se introduce un modelo basado en la dinámica «Leaky integrate-and-fire» y se agrega a las neuronas la capacidad de emitir disparos con un retraso\, delay. Mediante experimentos\, buscamos mostrar que el delay puede asociarse al concepto de «memoria». \nLuego\, durante la etapa de entrenamiento se utiliza un aprendizaje no-supervisado basado en la técnica «plasticidad dependiente del tiempo de disparos «. A esta técnica se la combina con un mecanismo de inhibición lateral\, para evitar que las neuronas aprendan las mismas características. Además\, se introducen modificaciones al entrenamiento que resultan en un mejor rendimiento de la red. \nCon posterioridad\, este modelo es validado experimentalmente para el reconocimiento no supervisado de múltiples patrones secuenciales. \nFinalmente\, se construye una red neuronal profunda que utiliza como principal unidad de cómputo el modelo propuesto. Esta red es entrenada para reconocer determinados dígitos en una secuencia aleatoria de números. Los resultados obtenidos por el modelo propuesto resultan superiores en comparación con aquellos que no poseen la capacidad de emitir disparos con delay.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-maximiliano-martino/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20220810T140000
DTEND;TZID=America/Sao_Paulo:20220810T150000
DTSTAMP:20260418T192525
CREATED:20220801T182004Z
LAST-MODIFIED:20220809T144740Z
UID:7685-1660140000-1660143600@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Mariana Milicich
DESCRIPTION:Título: Semántica denotacional para un cálculo-λ relacional\nDirector: Pablo Barenbaum\nJurado: Alejandro Díaz-Caro y Hernán Melgratti \nResumen: \nEn esta tesis trabajamos con el cálculo-λU\, una extensión del\ncálculo-λ que incorpora las características fundamentales de la\nprogramación relacional: alternativa no determinística\,\nsecuenciación explícita\, unificación de primer orden e introducción\nde variables frescas. Proponemos un sistema de tipos y formulamos una\nsemántica denotacional para su fragmento tipado. Por semántica\ndenotacional entendemos a una función [[−]] que dado un programa\ndevuelve su significado o denotación\, es decir\, un elemento de algún\ndominio de interpretación apropiado. El objetivo es demostrar que la\nsemántica cumple con propiedades esperables: por un lado\, probar la\ncorrectitud de la semántica operacional con respecto a la\ndenotacional\, que asegura que dos programas equivalentes de acuerdo\ncon una teoría sintáctica de igualdad deben tener la misma\ndenotación; por otra parte\, la propiedad de completitud de la\nsemántica operacional con respecto a la denotacional\, que asegura que\ndos programas con la misma denotación se pueden probar equivalentes\nen una teoría sintáctica de igualdad. En este trabajo logramos\nformular una semántica denotacional para la cual la semántica\noperacional verifica una forma débil de correctitud. Queda como\ntrabajo futuro proponer una semántica denotacional para la cual la\noperacional sea correcta y completa.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-mariana-milicich/
LOCATION:Aula 1206
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20220812T100000
DTEND;TZID=America/Sao_Paulo:20220812T110000
DTSTAMP:20260418T192525
CREATED:20220809T124129Z
LAST-MODIFIED:20220811T124539Z
UID:7726-1660298400-1660302000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Cyntia Bonomi
DESCRIPTION:Título: Desarrollo y evaluación de sistemas de calificación de la pronunciación basados en redes neuronales profundas\nDirectora: Luciana Ferrer\nCo-directora: Jazmín Vidal\nJurados: Claudio Estienne y Diego Fernandez Slezak \nResumen:\nLos sistemas de calificación de la pronunciación son una herramienta importante para el aprendizaje de idiomas. Evalúan la manera en que se producen los sonidos del lenguaje y permiten interactuar de manera incansable con los estudiantes\, indicando errores en tiempo real y permitiendo a cada alumno avanzar a su propio ritmo. Una manera de implementar sistemas de calificación de la pronunciación es usando como base un sistema de Reconocimiento Automático del Habla (RAH). Los sistemas RAH resuelven la tarea de estimar la transcripción ortográfica de una señal de habla. Pueden ser usados para calificar pronunciación con un método llamado Goodness of pronunciation (GOP). Este método consiste en utilizar un sistema RAH entrenado con habla nativa de la población de interés para estimar las probabilidades a posteriori de los sonidos que el estudiante debiera haber pronunciado. Se asume que estas probabilidades serán bajas cuando la pronunciación sea\nincorrecta ya que las características de la señal no coincidirán con lo que el modelo entrenado con hablantes nativos espera encontrar. En esta tesis estudiamos un sistema de calificación de la pronunciación a nivel fono basado en DNN\, entrenando diferentes modelos con el fin de encontrar la red con mejor rendimiento. Estos modelos usan distintas características para representar la señal y diversas arquitecturas e hiperparámetros de entrenamiento.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-cyntia-bonomi/
LOCATION:Aula 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20220818T150000
DTEND;TZID=America/Sao_Paulo:20220818T160000
DTSTAMP:20260418T192525
CREATED:20220812T182735Z
LAST-MODIFIED:20220812T182735Z
UID:7732-1660834800-1660838400@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Enzo Cioppettini
DESCRIPTION:Título: Verificación estática de contratos para tipos de sesión en Haskell\nDirector: Hernán Melgratti\nJurados: Fernando Asteasuain\, Carlos Gustavo Lopez Pombo. \nResumen:\nEl lenguaje de programación Haskell cuenta con diversas\nimplementaciones de tipos de sesiones binarias. En este trabajo estudiamos la\nviabilidad de integrarlas con LiquidHaskell\, una herramienta de verificación\nestática que extiende el lenguaje con tipos refinados. Si bien la estructura\nrecursiva de las sesiones se puede codificar fácilmente mediante tipos\nparamétricos\, garantizar tanto la dualidad como el uso linear de los canales\nrequiere de extensiones del lenguaje de mayor complejidad. Nosotros partimos de\nimplementaciones existentes\, y que utilizan distintas extensiones y mecanismos.\nA partir de estas\, en la medida en la que son compatibles con LiquidHaskell\, \nexploramos la clase de contratos sobre la comunicación que se pueden escribir y\nverificar. Para esto utilizamos dos técnicas: una simple de integrar\, pero que\nsolo permite escribir contratos sobre cada mensaje\, es decir\, sin tener en\ncuenta los valores anteriormente intercambiados; y que permite expresar\npropiedades más ricas\, incluyendo dependencias con los mensajes previos\, pero\ncuya integración es más compleja.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-enzo-cioppettini/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20220824T093000
DTEND;TZID=America/Sao_Paulo:20220824T110000
DTSTAMP:20260418T192525
CREATED:20220819T181501Z
LAST-MODIFIED:20220819T181501Z
UID:7755-1661333400-1661338800@www.dc.uba.ar
SUMMARY:Defensa Tesis Doctorado Martin Miguel
DESCRIPTION:Título: Inferencia de estructuras y patrones temporales para el modelado de la expectativa\, certeza y ambigüedad en el pulso musical\nDirector: D. Fernández Slezak\nConsejero: A. Gravano\nJurados: Ignacio Spiousas\, Ramon López de Mántaras Badia\, Maria Vanina Martinez\n\n\nLink fijo para la defensa: https://youtu.be/wx7_kuTMKDc\n\nResumen: \nEste trabajo presenta modelos computacionales y metodologías experimentales para el análisis\, predicción y recolección de información en relación a la ambigüedad del pulso musical en estímulos rítmicos. La búsqueda de esta tesis se plantea en el contexto de teorías de psicología de la música donde el manejo de expectativas cumple un rol central para la generación de emociones. A su vez\, el pulso musical es la construcción primaria para comprender la organización temporal de los eventos musicales. El trabajo presenta 4 formalismos y un experimento. Un primer modelo estima la certeza de distintos pulsos posibles a lo largo de un estímulo. El experimento recolectó datos del pulso subjetivo reportado por oyentes para distintos ritmos\, sobre los cuales se evaluó el modelo mencionado. En un siguiente trabajo se inspeccionó el comportamiento interno de un modelo de redes neuronales y redes bayesianas dinámicas para adaptar la tarea de seguimiento del pulso a la de estimación de claridad del pulso. Un tercer trabajo presenta una tarea computacional nueva donde los modelos deben estimar la distribución de probabilidad de distintos pulsos. Además\, como parte del diseño experimental se presentó una configuración experimental que permite obtener respuestas temporales a estímulos auditivos con gran precisión y a bajo costo. Este trabajo busca contribuir herramientas formales y computacionales para analizar la certeza y ambigüedad del pulso musical que permitan en el futuro indagar en el rol de estas características en la capacidad de distintos ritmos de evocar emociones.
URL:https://www.dc.uba.ar/event/defensa-tesis-doctorado-martin-miguel/
LOCATION:Aula 1102
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20220826T133000
DTEND;TZID=America/Sao_Paulo:20220826T143000
DTSTAMP:20260418T192525
CREATED:20220825T130922Z
LAST-MODIFIED:20220825T130922Z
UID:7762-1661520600-1661524200@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Martín Amigo y Tobías Carreira Munich
DESCRIPTION:Título: «Un modelo de estimación de habilidad para la Asociación Argentina de Go con perspectiva internacional»\nDirector: Esteban Mocskos\nDirector adjunto: Gustavo Landfried\nJurados: Agustín Gutierrez y Matías López-Rosenfeld \nTransmision en vivo: https://youtu.be/IAFimyMvBpg \nResumen\n=======\nEl Go es un juego de mesa milenario creado en Asia que\, a pesar de tener reglas relativamente sencillas\, presenta una enorme complejidad combinatoria en cuanto a las posibles jugadas. Esto deriva en grandes\ndiferencias de habilidad entre distintos jugadores. Es una práctica común que\, cuando la diferencia de habilidad entre dos jugadores es muy grande\, se ofrezca una ventaja para producir un juego más entretenido. En la tradición del Go existe un sistema de ranking con el que se intenta clasificar a las personas en niveles con la idea de que la diferencia de niveles represente la ventaja que una persona debería otorgarle a la otra.\nSin embargo\, determinar la ventaja necesaria para alcanzar un buen equilibrio en el juego es un problema de difícil solución ya que depende de la estimación de la habilidad de cada uno de los jugadores. El problema de estimar la probabilidad de ganar comenzó a resolverse a mediados del siglo pasado con el objetivo de evaluar la habilidad de los jugadores profesionales de ajedrez. Desde entonces la mayoría de los modelos utilizan la probabilidad del resultado observado\, r\, para actualizar las estimaciones de habilidad s\, P(r|si\, sj). En el caso del Go\, además es importante estimar el efecto que produce la ventaja en la probabilidad de ganar.\nActualmente\, la Asociación Argentina de Go (AAGo) reúne a las personas aficionadas del juego de Go en nuestro país y utiliza el sistema de ranking de la Asociación Estadounidense de Go. En la práctica\, este\nalgoritmo ha mostrado tener serias dificultades según manifiestan los propios miembros de la AAGo. La dificultad particular que tiene la AAGo es el tamaño de su comunidad que además está compuesta por una gran diversidad de habilidades.\nEn esta tesis nos propusimos desarrollar un sistema para la AAGo que mejore sustancialmente las estimaciones de habilidad con las que cuentan en la actualidad haciendo un uso eficiente de los datos.\nPara ello\, decidimos adaptar el modelo estado del arte en la industria del video juego\, TrueSkill Through Time (TTT)\, de modo tal que incorpore los efectos de las ventajas\, modelo que llamamos TTT-hreg. En vez de propagar la información en un único sentido\, del pasado al futuro\, TTT propaga la información a través de todo el sistema ofreciendo así mejores estimaciones de habilidad con menor cantidad de datos.\nLuego de su publicación original\, se implementó un algoritmo similar denominado Whole History Rating (WHR)\, de referencia en la actualidad en la estimación de habilidad de los jugadores profesionales de Go.\nAmbos algoritmos que utilizan toda la historia (TTT y WHR) mostraron tener un desempeño altamente superior al algoritmo utilizado actualmente por la AAGo. En particular\, el modelo WHR mostró tener predicciones a priori mejores que TTT. Por otro lado\, este último tiene la ventaja de permitir agregar nuevos factores respetando las reglas de la probabilidad dentro del marco bayesiano\, simplificando su uso y adaptación a nuevos contextos.\nEn la actualidad\, no es posible comparar las estimaciones de habilidad obtenidas por las diferentes Asociaciones de Go del mundo\, no sólo porque utilizan sistemas diferentes\, sino porque en general son bases\nde datos disconexas. Sin embargo\, unos pocos vı́nculos entre bases de datos le permitirían a nuestra solución propagar la información eficientemente\, garantizando la comparabilidad entre las diversas asociaciones internacionales. En este trabajo dejamos sentadas las bases para extender el uso de nuestra solución como medida de referencia internacional utilizando la base de datos completa de KGS con 100\nmillones de partidas de todas las asociaciones de Go del mundo. \nPalabras clave: Habilidad\, Go\, Handicap\, Aprendizaje\, Comparabilidad
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-martin-amigo-y-tobias-carreira-munich/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR