BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.15.18//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Departamento de Computación
X-ORIGINAL-URL:https://www.dc.uba.ar
X-WR-CALDESC:Eventos para Departamento de Computación
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0300
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20240101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20250411T113000
DTEND;TZID=America/Sao_Paulo:20250411T123000
DTSTAMP:20260518T163353
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:20260518T163353
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:20260518T163353
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:20260518T163354
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
END:VCALENDAR