Grado obtenido: Especialista en Inteligencia Artificial]]> Disciplina: Especialización en Inteligencia Artificial]]> Fil: Ribet, Juan Ignacio. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina.]]> La presente memoria describe el desarrollo de un detector de postura de yoga o asanas para la empresa Globant.
Este trabajo pretende obtener la prueba de concepto de una aplicación para entrenamiento de yoga, en donde se detecte la postura mediante algoritmos de aprendizaje de máquina y visión por computadora, y se le dé soporte al usuario para realizarlas de forma correcta.
Para su desarrollo fueron fundamentales los conocimientos adquiridos en la carrera, en especial los vistos en las materias de visión por computadora con el uso indispensable de la biblioteca OpenCV como también los conceptos de aprendizaje de máquina, análisis de datos y la comprensión del mecanismo de funcionamiento de las de las redes neuronales convolucionales.]]> Ribet, Juan Ignacio
]]> Grado obtenido: Especialista en inteligencia artificial]]> Disciplina: Especialización en inteligencia artificial]]> Fil: Ferreyra, Juan Cruz. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina.]]> En esta memoria se presenta el desarrollo de un sistema de visión por computado- ra para automatizar los censos ciclistas en Rosario, Santa Fe. El sistema reemplaza el relevamiento manual realizado por el Ente de la Movilidad, permitiendo detec- tar, seguir y caracterizar ciclistas utilizando cámaras de videovigilancia. El traba- jo integra técnicas de detección de objetos y clasificación de imágenes, aplicando conocimientos de visión por computadora y aprendizaje profundo.]]> Ferreyra, Juan Cruz]]> Grado obtenido: Especialista en inteligencia artificial]]> Disciplina: Especialización en inteligencia artificial]]> Fil: Arias Suarez, Federico. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina.]]> En la presente memoria se describe el diseño e implementación de un modelo de segmentación de clientes mediante técnicas de machine learning, desarrollado para la empresa Dismac. El objetivo principal del trabajo fue identificar perfiles de clientes que ya realizaron compras a crédito, con el fin de activar a aquellos que, pese a tener una línea de crédito aprobada, aún no concretaron una compra. Esta segmentación permitirá definir campañas publicitarias dirigidas según el arquetipo de cada cliente y brindar información estratégica para reorganizar la oferta comercial en sucursales, en función de los perfiles predominantes en cada zona. Para su implementación fueron fundamentales los conocimientos adquiri- dos en el posgrado, tales como el análisis exploratorio de datos, técnicas de feature engineering, algoritmos de aprendizaje no supervisado y métricas de validación de resultados.]]> Arias Suarez, Federico]]> Grado obtenido: Especialista en inteligencia artificial]]> Disciplina: Especialización en inteligencia artificial]]> Fil: Lopretto, Fabricio. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina.]]> El presente trabajo se enfoca en el estudio, diseño e implementación de algoritmos y evaluación de modelos de redes neuronales para la generación de pronósticos atmosféricos en el sur de Sudamérica. Este trabajo resulta de interés para futuros desarrollos en el Servicio Meteorológico Nacional de Argentina. Durante su rea- lización se integraron conocimientos clave, tales como la manipulación de datos meteorológicos, el diseño de arquitecturas de redes neuronales convolucionales y completamente conectadas, la aplicación de conceptos básicos de aprendizaje de física, así como métodos de entrenamiento y técnicas de optimización.]]> Lopretto, Fabricio ]]> ]]> Grado obtenido: Especialista en Inteligencia Artificial]]> Disciplina: Especialización en Inteligencia Artificial]]> Fil: Avalos Ribas, Gonzalo. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina.]]> En la presente memoria se hace una descripción del diseño e implementación de un motor de ajedrez basado en técnicas de inteligencia artificial.
Este trabajo es un desarrollo personal y pretende brindar una interfaz sencilla e intuitiva para que tanto expertos como novatos en ajedrez puedan interactuar con una red neuronal.
Para su implementación fueron fundamentales los conocimientos adquiridos en la carrera, tales como modelos de aprendizaje profundo, redes convolucionales, redes residuales y análisis estadístico en general.]]> Avalos Ribas, Gonzalo]]> ]]> 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: Magíster en Simulación Numérica y Control de la Universidad de Buenos Aires]]> Disciplina: Maestría en Simulación Numérica y Control]]> Fil: Cabrera Castro, Marcelo Alan. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina.]]> Se han utilizado diversos algoritmos de machine learning para la estimación de la permeabilidad equivalente en medios porosos artificiales a partir de indicadores de conectividad que surgen de la configuración geométrica de los mencionados medios. Se ha elegido abordar el problema desde una perspectiva del análisis masivo de datos que ha alcanzado un impulso notable en el último tiempo. El esquema de trabajo consta de tres etapas: la primera de ellas es la generación de la información, mediante la creación de los medios porosos artificiales y posterior simulación numérica de flujo, todo dentro del entorno de computación de alto desempeño (HPC). La segunda etapa consiste en el análisis exploratorio de la información obtenida, tanto de los indicadores de conectividad de los medios generados aleatoriamente como del valor de permeabilidad efectiva hallado por simulación numérica de flujo. Finalmente, la utilización de algoritmos de regresión que vinculen a los mencionados indicadores de conectividad con los resultados de la simulación numérica.]]> Cabrera Castro, Marcelo Alan]]> Grado obtenido: Ingeniero/a Electrónico de la Universidad de Buenos Aires]]> Disciplina: Ingeniería Electrónica]]> Fil: Centofanti, Ezequiel Tomás. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina.]]> En astrofísica y cosmología, como en tantos otros dominios de la física, las próximas décadas traerán consigo nuevas generaciones de instrumentos extremadamente potentes, como el telescopio Euclid o el Nancy Grace Roman Space Telescope. Un modelo preciso de la función de dispersión de punto (PSF), caracterización de la respuesta impulsiva del sistema ´óptico, es un requisito fundamental para cumplir con los ambiciosos objetivos cient´ıficos actuales. El método WaveDiff es un modelo semiparamétrico, diferenciable, para la estimación de la PSF basada en observaciones (data driven). Este modelo, desarrollado en el laboratorio CosmoStat, reconstruye la PSF directamente en el espacio de frente de onda y está basado en un modelo óptico completamente diferenciable que incorpora el proceso físico que permite obtener la PSF en el espacio de píxeles a partir del error en el espacio de frente de onda (WFE, wavefront error), integrando la variación espectral de la PSF sobre el ancho de banda del telescopio en conjunto con la distribución espectral de energía (SED) de las estrellas observadas. En este trabajo se realiza un estudio de errores de predicción con respecto a las aberraciones presentes en las SED utilizadas. Se propone un método para mitigar el impacto de las degradaciones de las SED (integración espectral o binning y ruido en las mediciones fotométricas) sobre la optimización y predicciones del modelo. Se optimiza el método WaveDiff con datasets de diferentes tamaños con el fin de evaluar posibles beneficios gracias al incremento del número de observaciones, a costas de un aumento en el tiempo de cómputo y recursos de memoria. Finalmente, se propone un nuevo paradigma de optimización para el modelo semiparamétrico, el cual permite mejorar sustancialmente la optimización del modelo paramétrico, disminuyendo los errores de predicción tanto en el espacio de pixeles como en el espacio de frente de onda.]]> In astrophysics and cosmology, as in other areas of physics, the next decade will bring a new generation of extremely powerful instruments, such as Euclid or the Nancy Grace Roman Space Telescope. An accurate model of the point spread function (PSF), i.e., the instrumental response of the optical system, is a fundamental requirement to meet ambitious scientific goals. The WaveDiff model is a semi-parametric wavefront model for data-driven PSF estimation. This method, developed in the CosmoStat lab, builds the PSF model directly on the wavefront space and is based on a differentiable optical model that integrates the physical processes to go from a wavefront error (WFE) to a pixel-level PSF, integrating the wavelength dependency over the instrument bandwidth alongside the spectral energy distribution of observed stars (SED). In this work an error analysis of the model with respect to aberrations on the input SED data is carried out. A method is proposed to alleviate the impact of SED degradation (spectral binning and photometric measurements noise) on the model predictions. The WaveDiff model is optimised and put to test with different dataset sizes to consider the possible benefit of increasing the number of observations used. Finally, a new optimisation paradigm was proposed for the semiparametric model that allows to substantially improve the optimisation of the parametric model decreasing prediction errors both in wavefront and pixel space.]]> Centofanti, Ezequiel Tomás]]> Grado obtenido: Ingeniero/a Electrónico de la Universidad de Buenos Aires]]> Disciplina: Ingeniería Electrónica]]> Fil: Pérez Fogwill, Germán. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina.]]> Calificación: 10 (Diez)]]> La formación de nuevas partículas (FNP) en la atmósfera es un fenómeno de gran importancia en el sistema climático de la Tierra. Para estudiar este fenómeno, se debe medir la concentración numérica de partículas de varios tamaños (incluso nanométricos) durante largos períodos de tiempo. Tradicionalmente, el análisis de los datos requiere una inspección visual manual de las observaciones siguiendo protocolos preestablecidos. Un paso crítico en este análisis es detectar los momentos en los que ocurrieron los eventos de FNP. El análisis manual de las mediciones hace que los resultados obtenidos sean fuertemente subjetivos, incluso si se siguen estrictamente los protocolos establecidos. Por lo tanto, los resultados obtenidos, como la frecuencia de ocurrencia de tales eventos, o la tasa promedio de formación de nuevas partículas, pueden ser muy variables. Para disminuir estas incertidumbres, se desarrollará una nueva metodología para automatizar la detección de los eventos de FNP. En este trabajo se presenta un sistema basado en Modelos Ocultos de Markov (MOM) para detectar automáticamente en largas series de datos los instantes donde ocurrieron eventos de FNP. Se mostrará que es posible construir un sistema de clasificación automático capaz de detectar eventos de FNP de forma objetiva, eficaz y con baja complejidad.]]> Pérez Fogwill, Germán]]>