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:20221201T160000
DTEND;TZID=America/Sao_Paulo:20221201T170000
DTSTAMP:20260413T235511
CREATED:20221124T173120Z
LAST-MODIFIED:20221124T173120Z
UID:7956-1669910400-1669914000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Axel Maddonni
DESCRIPTION:Título: Testing Automatizado de APIs REST basadas en Python Flask\nDirector: Juan Pablo Galeotti\nJurados: Guido de Caso y Hernan Wilkinson \nResumen:\nEn este trabajo se introduce una nueva extensión de EvoMaster\, una herramienta open-source para generación automática de testeos impulsada por un algoritmo evolutivo\, para aplicaciones web REST Python implementadas bajo el framework Flask. Esta herramienta cuenta con dos componentes principales: un core\, encargado de llevar a cabo el algoritmo de búsqueda denominado MIO que aplica heurísticas para la optimización de testeos buscando maximizar la cobertura de líneas y branches sobre el código de la aplicación a testear; y un driver o controlador\, encargado de alimentar al core con las métricas necesarias para la evolución del algoritmo. Se describe el diseño e implementación de un controlador exclusivo para Python encargado de la comunicación con el core bajo un protocolo ya establecido y la instrumentación de código mediante la aplicación de transformaciones sobre el árbol AST del código fuente original. Además\, como parte de este trabajo se\nextiende el core para soportar la escritura de los tests en lenguaje Python y se provee de una librería Python para la distribución y testeo del nuevo controlador. Por último\, se reportan y analizan métricas de cobertura de líneas y cobertura de branches obtenidas a partir de tests generados automáticamente para cinco casos de prueba diferentes\, tres de ellos artificiales y dos de ellos originales de terceros\, disponibles públicamente en GitHub.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-axel-maddonni/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20221206T110000
DTEND;TZID=America/Sao_Paulo:20221206T130000
DTSTAMP:20260413T235511
CREATED:20221202T151230Z
LAST-MODIFIED:20221202T151230Z
UID:7979-1670324400-1670331600@www.dc.uba.ar
SUMMARY:Defensa Tesis Doctorado Daniel Koile
DESCRIPTION:Título: «Plataforma computacional de análisis genómico y diagnóstico de enfermedades raras»\nDirector: Patricio Yankilevich\nJurados: Dra. Cristina Marino Buslje\, Dra. Liliana Dain y Dr. Rodrigo Castro\nLink de youtube para la transmisión: https://youtu.be/TOQdYGu9qp4 \nResumen:\nLa tecnología actual de secuenciación masiva de ADN\, sumada al creciente número de bases de datos con información genómica\, permiten que la genómica personalizada sea una realidad\, y con ella\, la llegada a la clínica de nuevos métodos para la prevención y diagnóstico de enfermedades. Aquí presentamos el desarrollo de una plataforma computacional novedosa y flexible de análisis e interpretación de genomas humanos\, que entre otras prestaciones\, es capaz de detectar las variantes responsables de distintas enfermedades. El análisis de genomas humanos en la plataforma incluye diversas etapas\, como el control de calidad\, el alineamiento de los datos\, la identificación de los distintos tipos de variantes\, su anotación y filtrado\, para finalmente obtener una interpretación de la información genómica. Durante todo el proceso se utilizan herramientas de visualización de la información para su interpretación. Adicionalmente\, incluye un módulo de análisis de datos de expresión génica para estudiar y comparar dos o más condiciones clínicas o biomédicas. En este proceso\, se utiliza la información fenotípica del individuo\, así como también bases de datos públicas con información biológica\, molecular y clínica.\nUna de las principales aplicaciones de la plataforma fue el desarrollo de GenIO\, una herramienta web para la asistencia a médiques genetistas en el análisis de enfermedades raras. Las enfermedades raras tienen una prevalencia menor a cinco habitantes por cada diez mil\, son generalmente crónicas y potencialmente mortales\, teniendo el 80 % de ellas componentes genéticos. Se estima que unas 300 millones de personas en el mundo son afectadas por alguna de ellas. Con los métodos tradicionales se logra diagnosticar a tan solo el 5% de los casos\, aunque con las tecnologías de secuenciación masiva se llega a un 26%. Con GenIO se alcanza una tasa de diagnóstico superior a otros métodos\, ya que permite llegar a un diagnóstico en al menos el 40% de los casos. Una de las ventajas principales de esta herramienta es que gracias a su diseño puede ser utilizada por genetistas sin la necesidad de contar con asistencia bioinformática adicional\, acercando así esta tecnología a médiques de todo el mundo.\nComo parte de las tareas de desarrollo de la plataforma\, realizamos colaboraciones en distintos proyectos de investigación. Participamos en la creación de una herramienta de exploración para el control de calidad de datos genéticos (target sequencing experiments)\, el análisis genómico sobre la vacuna terapéutica CSF-470 para melanoma\, tanto en las líneas celulares que componen la vacuna\, como en líneas resistentes y en pacientes\, el análisis de datos de ADN\, ARN y micro ARN de pacientes con leucemia mieloide crónica en el marco de diferentes estudios sobre esta enfermedad\, entre otros proyectos. Consideramos a su vez que el trabajo realizado sienta bases para futuras investigaciones y desarrollos computacionales en el campo de la biomedicina. \nPalabras clave: Bioinformática\, Genoma humano\, Diagnóstico\, Enfermedades Raras\, Secuenciación genómica\, Análisis de variantes.
URL:https://www.dc.uba.ar/event/defensa-tesis-doctorado-daniel-koile/
LOCATION:Sala 1606
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20221207T100000
DTEND;TZID=America/Sao_Paulo:20221207T110000
DTSTAMP:20260413T235511
CREATED:20221202T172111Z
LAST-MODIFIED:20221202T172111Z
UID:7981-1670407200-1670410800@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Marcelo Sancinetti
DESCRIPTION:Título: »Transferencia de Aprendizaje para Calificación de la Pronunciación»\nDirectora: Luciana Ferrer\nCo-directora: Jazmín Vidal\nJurados: Juan Manuel Perez y Viviana Cotik \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. Los sistemas estándar generan puntajes para cada sonido en una frase usando modelos entrenados para el reconocimiento automático del habla (RAH) solo con datos nativos. Se ha demostrado un mejor rendimiento cuando se usan sistemas que están entrenados específicamente para la tarea usando datos no nativos. Sin embargo\, dichos sistemas enfrentan el desafío de que los conjuntos de datos etiquetados para esta tarea son escasos y\, por lo general\, pequeños. En esta tesis\, presentamos un enfoque basado en el aprendizaje por transferencia que aprovecha un modelo entrenado para RAH con datos nativos\, adaptándolo con una base de datos de audios no nativo para la tarea de calificación de la pronunciación. Analizamos el efecto de varias opciones de diseño y comparamos el rendimiento con un sistema de estado del arte baseline llamado Goodness of Pronunciation (GOP).
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-marcelo-sancinetti/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20221215T100000
DTEND;TZID=America/Sao_Paulo:20221215T120000
DTSTAMP:20260413T235511
CREATED:20221212T143721Z
LAST-MODIFIED:20221212T143721Z
UID:8003-1671098400-1671105600@www.dc.uba.ar
SUMMARY:Defensa Tesis Doctorado Gustavo Lado
DESCRIPTION:Título: «Un modelo de redes neuronales artificiales inspirado en la semántica cognitivas»\nDirector: Enrique Carlos Segura\nJurados:\nDra. Irene Callejón – – Prof. Tit.\, Universitat Autònoma de Barcelona\nDra. Silvia Schiaffino – – Prof. Asoc.\, UNICEN – Inv. Ppal.\, CONICET\nDr. Agustín Gravano – – Inv. Indep.\, CONICET \nLink de youtube para la transmisión: https://youtu.be/0lEjYqaeWQU \nResumen:\nLa extracción y representación eficiente de información a partir del conocimiento expresado en lenguajes naturales es de suma importancia teniendo en cuenta la gran cantidad de saber que existe en esta forma. Sin embargo\, estos problemas han probado ser de difícil tratamiento a pesar de haber sido empleadas variadas estrategias a lo largo de los años.\nOriginalmente las técnicas de inteligencia artificial para el procesamiento del lenguaje natural estaban basadas en la semántica estructuralista\, por lo que requerían del análisis sintáctico de las sentencias\, y la clasificación en categorías semánticas de las palabras\, entre otros. Actualmente los modelos basados en redes neuronales artificiales pueden obtener muy buenos resultados y no requieren del mismo tipo de preprocesamiento sintáctico pero tienden a poseer una alta complejidad y costo de entrenamiento.\nEn este trabajo se propone un nuevo tipo de modelo alternativo\, también basado en redes neuronales artificiales e inspirado en la semántica cognitiva\, para convertir información secuencial en vectores de dimensión fija.\nEste modelo fue utilizado en la codificación de tanto palabras como sentencias. En el caso de las palabras se pudo demostrar su capacidad para representar información morfológica y robustez ante variaciones asociadas a distintos tipos de errores. Para las sentencias también se pudo verificar la correlación semántica entre representaciones obtenidas por el modelo y evaluaciones hechas por humanos sobre datos provenientes de fuentes reales\, como también otras estimaciones realizadas para datos artificiales.\nAsí mismo\, el modelo propuesto no solo brinda una alternativa más sencilla evitando las desventajas mencionadas inicialmente\, sino que además permite superar algunos inconvenientes aún existentes en las técnicas más avanzadas y facilita la integración con otras estrategias de aprendizaje automático. \nPalabras clave: Redes neuronales artificiales\, procesamiento del lenguaje natural\, aprendizaje profundo\, semántica cognitiva
URL:https://www.dc.uba.ar/event/defensa-tesis-doctorado-gustavo-lado/
LOCATION:Sala 1606
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20221219T180000
DTEND;TZID=America/Sao_Paulo:20221219T190000
DTSTAMP:20260413T235511
CREATED:20221212T144140Z
LAST-MODIFIED:20221212T151356Z
UID:8005-1671472800-1671476400@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Angel Yan
DESCRIPTION:Título: Recolección de Tipos en VMs con Compilación Just-in-Time\nDirector: Hernán Wilkinson\nJurados: Emilio Oca y Agustín Martinez \nResumen:\nLiveTyping es un sistema de anotación automática de tipos que busca llevar a lenguajes dinámicos algunos de los beneficios de contar con información de tipos estática sobre los programas. Esta técnica se encuentra implementada en la versión Stack de la máquina virtual OpenSmalltalk-VM y es utilizada en el dialecto Cuis de Smalltalk para mejorar la experiencia de desarrollo agregando la posibilidad de inspeccionar del tipo de los términos\, code completion y refactorings automatizados más precisos\, chequeo e inferencia de tipos\, entre otras mejoras. LiveTyping instrumenta el intérprete de la Stack VM para recolectar la información de tipos de los términos\, algo que tiene un impacto no menor en el rendimiento de la máquina virtual.\nLa versión Cog de OpenSmalltalk-VM mejora sustancialmente la eficiencia de la Stack VM con la introducción de un compilador Just-in-Time. La implementación de LiveTyping en esta VM resulta atractiva como forma de mitigar su impacto en el rendimiento. El objetivo de este trabajo es implementar LiveTyping en una máquina virtual con compilación JIT para poder tener los beneficios que esta técnica provee con un menor impacto de performance. En este informe describimos la arquitectura de OpenSmalltalk-VM\, detallamos nuestra implementación de LiveTyping sobre la Cog VM y presentamos los resultados del análisis de su performance.\nPalabras clave: LiveTyping\, anotación de tipos\, tipado dinámico\, máquina virtual\, com- pilación Just-in-Time\, Smalltalk.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-angel-yan/
LOCATION:Aula a confirmar
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20221222T150000
DTEND;TZID=America/Sao_Paulo:20221222T160000
DTSTAMP:20260413T235511
CREATED:20221213T165350Z
LAST-MODIFIED:20221213T165350Z
UID:8008-1671721200-1671724800@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Santiago Dandois
DESCRIPTION:Título: Juegos de alcanzabilidad sobre grafos and-or generales.\nDirector: Víctor Braberman\nJurados: Pablo Barenbaum\, Fernando Schapachnik \nZoom: (a definir) \nResumen \nEs común representar ciertos juegos determinados de dos jugadores mediante un árbol «and-or». Computar la estrategia ganadora para uno de los jugadores (o determinar que no existe) tiene aplicaciones muy diversas. En este trabajo extendemos el árbol «and-or» a grafos «and-or» generales con dos condiciones de victoria vinculadas a la alcanzabilidad de nodos objetivos. Este tipo de juegos\, por ejemplo\, tienen aplicación en ingeniería de software y robótica\, ya que se los puede utilizar como pasos intermedios para calcular planes de misiones que reaccionan ante eventos de un ambiente que actúa como (jugador) adversario. Como las arenas de estos juegos -aunque descritas de manera compacta- pueden ser grafos enormes si se los desarrolla explícitamente\, queremos encontrar conceptos que ayuden a valorar adecuadamente nodos a explorar en un análisis «on-the-fly» del grafo subyacente. Para ello proponemos caracterizar\, de manera paramétrica\, la condición de victoria de una exploración parcial del juego mediante una fórmula booleana. Primero calculamos está fórmula explícitamente mediante algoritmos de punto fijo\, con la ayuda de la estructura de datos ROBDD. Luego\, la utilizamos para guiar la exploración on-the-fly mediante heurísticas derivadas de ella. Evaluamos nuestras propuestas y hallamos heurísticas muy prometedoras a pesar de los costos elevados de representación de las fórmulas de victoria.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-santiago-dandois/
LOCATION:Sala 1606
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR