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:20250801T160000
DTEND;TZID=America/Sao_Paulo:20250801T170000
DTSTAMP:20260409T172238
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:20260409T172238
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:20260409T172238
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:20260409T172238
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:20260409T172238
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
END:VCALENDAR