Grado obtenido: Especialista en sistemas embebidos]]> Disciplina: Especialización en sistemas embebidos]]> Fil: Coccé, Julio Gastón. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina.]]> En este trabajo se estudió la posibilidad de clasificar imágenes usando redes neuronales en sistemas embebidos. Se implementó una solución basada en la librería Caffe sobre un ambiente linux lo cual se probó en una placa Orange Pi. Esto permitió definir criterios con respecto a la viabilidad, los tiempos de ejecución y las condiciones necesarias para realizar la clasificación. Para realizar este trabajo se aplicaron conocimientos de la especialización relativos a sistemas de proposito general, arquitectura de microcontroladores, ingeniería de software en sistemas embebidos y gestión de proyectos.]]> Coccé, Julio Gastón ]]> Grado obtenido: Especialista en Inteligencia Artificial]]> Disciplina: Especialización en Inteligencia Artificial]]> Fil: Rodriguez, Abraham. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina.]]> En la presente memoria se describe el desarrollo de un sistema basado en modelos de inteligencia artificial para analizar y clasificar documentos académicos de matemáticas.
Este trabajo fue realizado para la empresa Rucon, con el objetivo de mejorar el servicio a sus clientes.
Para su implementación fueron fundamentales los conocimientos adquiridos en la especialización en inteligencia artificial.
Específicamente modelos de visión por computadora, técnicas de procesamiento de imágenes, y arquitecturas basadas en Transformers para el entendimiento, clasificación y generación de texto.]]> Rodriguez, Abraham]]> ]]> Grado obtenido: Especialista en inteligencia artificial]]> Disciplina: Especialización en inteligencia artificial]]> Fil: Rivela, Lucas. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina.]]> La presente memoria describe el diseño e implementación de un sistema de clasificación de reclamos desarrollado para Ualá. La solución permite optimizar el tiempo que lleva el proceso de clasificación mediante la asignación automática de categorías de primer y segundo nivel; y por otro lado, reducir la cantidad de personas necesarias para esta tarea. Para poder realizar este trabajo se aplicaron conceptos de bases de datos, procesamiento del lenguaje natural y aprendizaje profundo para realizar la extracción de los datos, el procesamiento del texto, el entrenamiento de los modelos de IA y el despliegue de los mismos en un ambiente de desarrollo.]]> Rivela, Lucas]]> Grado obtenido: Especialista en Inteligencia Artificial]]> Disciplina: Especialización en Inteligencia Artificial]]> Fil: Speri, Sofía Paula. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina.]]> En la presente memoria se aborda el análisis de objetos en video para la evaluación de la correcta ejecución del ejercicio Traslación de Aros, parte de un Programa de Simulación Quirúrgico. Este ejercicio es realizado por un alumno en un simulador de cirugía laparoscópica, desarrollado por la empresa Estudio DTRES. El objetivo es automatizar la evaluación de este ejercicio básico, de ma- nera que el alumno pueda avanzar más rápidamente en las siguientes etapas del programa y, a su vez, optimizar los recursos de la persona especialista en la evaluación. El trabajo desarrollado incorpora modelos de segmentación y estimación de pose aplicados a videos grabados en el simulador, con el fin de extraer los parámetros necesarios para determinar si la ejecución fue realizada correctamente.]]> Speri, Sofía Paula]]> Grado obtenido: Especialista en Inteligencia Artificial]]> Disciplina: Especialización en Inteligencia Artificial]]> Fil: Hagata, Juan Pablo . Universidad de Buenos Aires. Facultad de Ingeniería; Argentina]]> Esta memoria describe el desarrollo de un sistema automático de clasificación de imágenes de productos para una plataforma de comercio electrónico, orientado a optimizar la organización de catálogos digitales, reducir el tiempo de carga de nuevos artículos y mejorar la experiencia del usuario. El proyecto abarca desde la selección y preprocesamiento del conjunto de datos hasta el diseño, implementa- ción y evaluación de modelos de redes neuronales convolucionales, incluyendo pruebas de ajuste fino y comparación de distintas arquitecturas para garantizar un desempeño óptimo. El trabajo integra conocimientos adquiridos en la especialización, como aprendi- zaje profundo, procesamiento de imágenes, técnicas de aumento de datos y eva- luación de modelos de clasificación, aplicados de manera práctica para construir un sistema funcional y medible. El lector encontrará en la memoria la descripción detallada de los métodos empleados, la arquitectura del sistema, los resultados experimentales obtenidos y las conclusiones derivadas, así como recomendacio- nes para futuras mejoras que amplíen las capacidades del sistema desarrollado.]]> Hagata, Juan Pablo ]]> Grado obtenido: Especialista en inteligencia artificial]]> Disciplina: Especialización en inteligencia artificial]]> Fil: Quiroz, Joaquin. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina.]]> Esta memoria presenta el desarrollo de un programa que ayuda a clasificar textos humanos con inteligencia artificial. La implementación fomenta la clasificación proporcional de casos en diferentes categorías al sugerir las categorías menos comunes para clasificar, lo que evita el problema de categorías sobrerrepresentadas en bases de datos clasificadas. Las lecciones aprendidas en el curso de procesamiento del lenguaje natural fueron necesarias para la implementación]]> Quiroz, Joaquin ]]> Grado obtenido: Ingeniero/a Electrónico de la Universidad de Buenos Aires]]> Disciplina: Ingeniería Electrónica]]> Calificación: 10 sobresaliente]]> Fil: Briff, Pablo Ariel. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina.]]> Briff, Pablo Ariel]]> Grado obtenido: Magister de la Universidad de Buenos Aires en Ingeniería Sanitaria]]> Disciplina: Ingeniería Sanitaria]]> Fil: Vargas Navas, Oscar Hernaldo. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina.]]> La intensificación de la producción en los sistemas ganaderos origina el aumento en la cantidad de residuos líquidos y sólidos, provocando un impacto negativo sobre los recursos naturales. La digestión anaeróbica representa un proceso apropiado para tratar y valorizar los efluentes ganaderos como fuente de energía renovable. En el año 2006 el gobierno Argentino promulgó una ley de promoción a la generación eléctrica mediante fuentes de energías renovables. Consecuentemente, las investigaciones con respecto al uso de biogás mediante la utilización de efluentes ganaderos han comenzado a tener gran relevancia. La co-digestión se define como la mezcla de dos tipos de residuos con el objetivo de mejorar la eficiencia de la digestión anaeróbica. El glicerol, es un subproducto generado en la producción de biodiesel con ventajas para ser utilizado como cosustrato. El objetivo del presente trabajo fue evaluar el tratamiento de un efluente vacuno, proveniente de un tambo intensificado, a partir de la codigestión anaerobia con glicerol y su posterior tratamiento por un sistema de humedal artificial (HA) vertical seguido por uno horizontal de tipo sub superficial. Para ello, se realizó un ensayo en reactores anaeróbicos mesofílicos de 5L de capacidad, con alimentación diaria. Inicialmente, los reactores fueron inoculados y su velocidad de carga orgánica (VCO) se aumentó, gradualmente, hasta alcanzar la carga deseada (1,5 Kg DQO/m3*día). Los tratamientos fueron efluente vacuno sin glicerol (EVSG), con 3 % (EV3G) y 6 % (EV6G) de glicerol. El producto digerido obtenido a la salida de los reactores anaeróbicos fue tratado por HA. Los resultados mostraron que el aumento de VCO gradual, evita la inestabilidad por acumulación de ácidos grasos volátiles. Por otro lado, el agregado de glicerol aumentó el rendimiento de metano en un 337% y 661% para EV3G y EV6G, respectivamente. Así mismo, en los tratamientos con co-sustrato se incrementaron los porcentajes de remoción de materia orgánica como de organismos patogénicos. Por último, l tratamiento del digerido mediante el HA mostró ser eficiente en la remoción de la materia orgánica, el fósforo, turbidez y los cationes evaluados. Los resultados demostraron que el glicerol es un co-sustrato adecuado para ser utilizado en el tratamiento de efluentes vacunos y que el humedal artificial es un sistema adecuado para el post tratamiento del digerido.]]> Vargas Navas, Oscar Hernaldo]]> Fil:Ondarts, Raúl A. Universidad de Buenos Aires. Facultad de Ingeniería. Buenos Aires; Argentina]]> Ondarts, Raúl A.]]> Narra las actividades de la Secretaría de Ciencia y Producción del Centro de Estudiantes de Ingeniería.]]> <dc:description>Fil: Lomana, Guillermo L.. Universidad de Buenos Aires. Facultad de Ingeniería. Centro de Estudiantes de Ingeniería. Buenos Aires; Argentina.<dc:description>]]> Lomana, Guillermo L. ]]>