Alexandra Diehl y Maximiliano Tabacman: nuevos doctores del DC.
El lunes 2 de mayo se realizó la defensa de dos tesis de doctorado.
A las 10 hs. Maximiliano Tabacman presentó los resultados de su tesis titulada «Métricas de complejidad de grafos para clasificación en múltiples dominios «, dirigida por el Dr. Natalio Krasnogor y la Dra. Irene Loiseau. El jurado estuvo integrado por los doctores Min Chih Lin (Depto de Computación, UBA), Pablo Moscato (University of Newcastle) y Marisa Gutierrez (Universidad Nacional de La Plata).
En tanto que a las 11hs. Alexandra Diehl expuso su tesis titulada “Visualización de datos geoespaciales aplicada a la Meteorología”, dirigida por el Dr. Claudio Delrieux y la Dra. Marta Mejail. El jurado estuvo conformado por los doctores Marco Mora Cofré (Universidad Católica de Maure, Chile), Pablo Mininni (Depto. de Física, UBA) y Werner Purgathofer (Vienna University of Technology, Austria).
El Departamento de Computación expresa sus felicitaciones a los flamantes doctores de la Universidad de Buenos Aires.
Resumen de las Tesis
Autor: Dr. Maximiliano Tabacman
Título: “Métricas de complejidad de grafos para clasificación en múltiples dominios”
Resumen: El objetivo de esta tesis es hacer una revisión bibliográfica y ofrecer nuevas ideas y métodos para clasificar redes complejas basadas en sus propiedades topológicas de gran escala. Estudiamos las propiedades de redes de diferentes dominios (biológicos, sociales, infraestructura, etc.), para encontrar características comunes compartidas por las redes en cada una de ellas. Con las mismas pretendemos desarrollar algoritmos y técnicas que aprovechen los elementos comunes, para automatizar la clasificación de redes en sus respectivos dominios. Analizamos cerca de 100 de fórmulas de complejidad encontradas en la literatura, y aplicamos un subconjunto de ellas a 240 grafos, obteniendo la información estadística necesaria para discriminarlas en sus respectivos dominios utilizando algoritmos automáticos. Parar encarar la tarea de clasificación, presentamos 3 tipos de algoritmos de clasificación de la literatura (K Nearest Neighbors, Support Vector Machines y el sistema de Evolutionary Rule Learning Bio-HEL). Realizando pruebas preliminares con grafos artificiales, logramos una precisión en la clasificación de hasta 80%. Además, los algoritmos elegidos nos permitieron obtener como resultado reglas legibles que explican cómo clasificar redes usando las mediciones provistas. Para las redes reales realizamos experimentos en distintos escenarios, como eliminación de outliers y particionamiento manual de los conjuntos de entrenamiento y prueba. Observamos que para el caso de redes reales, un subconjunto de los experimentos también nos permite llegar a una precisión de 80% en nuestra tarea de clasificación.
Autor: Dra. Alexandra Diehl
Título: “Visualización de datos geoespaciales aplicada a la Meteorología»
Resumen: La visualización de datos geoespaciales abarca un gran espectro de técnicas visuales e interactivas para la representación, interacción y análisis de datos geoespaciales. El diseño de herramientas efectivas para asistir a los usuarios en el proceso de razonamiento analítico de datos complejos y dinámicos constituye un gran desafío. Un diseño efectivo comprende una combinación correcta de representaciones visuales, mecanismos interactivos, y procesamiento semiautomático. Una selección equilibrada de estos elementos depende del dominio específico de aplicación. Esto puede ser sólo alcanzado por un enfoque integral donde el usuario cumple un rol central, colaborando en cada paso de su diseño y evaluación. Presentaré los resultados de mi tesis que cubre diferentes enfoques que abordan el desafío de diseñar soluciones de visualización geoespacial eficientes, con aplicaciones específicas para la meteorología. Estos enfoques combinan distintas estrategias de visualización analítica para asistir a los pronosticadores en el análisis del pronóstico operativo del estado del tiempo. Los pronosticadores necesitan realizar un análisis rápido de la información, en el día a día. Proponemos diseños novedosos que balancean la experiencia del usuario y el análisis semiautomático. Estos diseños permiten al usuario identificar tendencias y anomalías, analizar incertidumbre, y detectar errores del modelo numérico en forma ágil. Se ha evaluado la factibilidad y eficiencia de estos enfoques por medio de diferentes casos de estudio diseñados en estrecha colaboración con meteorólogos, expertos del dominio. Esta evaluación fue realizada usando una metodología de diseño participativa e iterativa. Las conclusiones discutidas en este trabajo abrirán nuevas oportunidades de investigación para el diseño de soluciones de visualización de datos geoespaciales eficientes en el área de meteorología, en el análisis del estado del tiempo y soporte para la toma de decisiones.
