Browsing by Author "Chirino, Pamela"

Now showing 1 - 16 of 16

Actividades de investigación científica con docentes y alumnos de grado en Informática y Ciencias de la Computación
(2020-01-01) Bianchini, Germán; Caymes Scutari, Paola; Ontiveros, Patricia; Rotella, Carina; Tagarelli, Sandra; Salinas, Sergio; Galdámez Bilardi, Mariela; Chirino, Pamela; Díaz, Karvin; Ponce de León, Alejo; Suarez, Renzo
La tarea de investigar es un proceso sistemático, organizado y objetivo, cuyo propósito es responder a un interrogante para así incrementar el conocimiento y la información sobre algo desconocido. La capacidad investigativa resulta un elemento clave e imprescindible para hacer frente a los retos que los nuevos profesionales de las diversas ingenierías encontrarán en el mundo laboral actual y futuro. Sin embargo, es evidente que esta capacidad no se alcanza por el simple hecho de obtener un título universitario. En el presente trabajo se describe cómo se ha buscado formalizar y poner en práctica el proceso de transferencia y formación de Investigadores Científicos Iniciales a través de su incorporación en actividades en el marco de tres grandes áreas: Cómputo Paralelo, Analítica de Datos y Gobierno Electrónico. Dentro del mismo, los estudiantes y docentes participantes lograron planificar, organizar y avanzar en sus desarrollos, a pesar de ser un año particular en virtud de las complicaciones que impuso la pandemia por COVID-19, alcanzando buenos resultados y una activa participación en eventos científicos.
Análisis de métodos de inteligencia artificial para la reducción de incertidumbre
(2020-01-01) Chirino, Pamela; Bianchini, Germán; Caymes Scutari, Paola
En este trabajo se estudian diferentes métodos de inteligencia artificial y su posible paralelización, con el objetivo de aplicarlo en un modelo de predicción de incendios forestales desarrollado en el Laboratorio de Investigación en Computo Paralelo/Distribuido. La finalidad es reducir la incertidumbre presente en las variables de entrada con las que opera el modelo subyacente. Los métodos de inteligencia artificial en los que centraremos nuestro estudio son: redes neuronales y visión computacional. Se estudian teóricamente y las formas de desarrollarlos para luego estudiar las posibilidades de paralelización. Con las redes neuronales, centramos nuestro estudio en el perceptrón por ser una red neuronal simple y fácil de desarrollar en lenguaje C. En cuanto a la visión computacional, nos encontramos analizando la forma correcta de aplicarla en nuestro modelo, trabajando actualmente con redes convolucionales.
Análisis y paralelización de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
(2021-01-01) Bianchini, Germán; Caymes Scutari, Paola; Chirino, Pamela; Galdámez Bilardi, Mariela; Díaz, Karvin
En este informe se analizaron métodos de inteligencia artificial, particularmente dos: redes neuronales y visión computacional, con el fin de analizar su posible incorporación al modelo de predicción de incendios llevado a cabo en el laboratorio de Cómputo Paralelo Distribuido(Licpad). Además analizaremos su posible paralelización con el fin de no afectar y si es posible mejorar el rendimiento del sistema actual.
Avances en la formación de docentes y alumnos como investigadores científicos iniciales en Informática y Ciencias de la Computación
(2021-01-01) Bianchini, Germán; Caymes Scutari, Paola; Ontiveros, Patricia; Rotella, Carina; Salinas, Sergio; Tagarelli, Sandra; Chirino, Pamela; Galdámez Bilardi, Mariela; Díaz, Karvin; Ponce de León, Alejo
El ciclo 2020 y lo que va del actual 2021 han sido muy complejos en virtud del aislamiento y distanciamiento vividos por la situación de pandemia por COVID-19; en particular para el ámbito académico en todos sus niveles. Dentro del área universitaria, el desarrollo de las actividades de investigación tampoco ha sido el normal, pero a pesar de ello se ha logrado avanzar en los proyectos. Todo el esquema de trabajo debió realizarse en modo no presencial, e incluso la participación en eventos (congresos, cursos, etc.) también ha debido adecuarse al formato virtual de videoconferencias. Como tantas otras actividades, el estudio y la investigación no pueden pausarse indefinidamente, y la investigación e innovación resultan elementos claves e imprescindibles para hacer frente a los retos con que los estudiantes se encontrarán en el mundo laboral. Es responsabilidad de las instituciones abrir un nuevo panorama a los ojos de los estudiantes y docentes universitarios en general, de modo tal de ayudarlos a desarrollar sus capacidades de evaluación, crítica e inventiva. Un obstáculo histórico hallado es que las actividades de investigación normalmente se encuentran desvinculadas de las actividades académicas de grado, y por tanto esta disociación mantiene alejados a los alumnos y a muchos docentes. Por tal motivo, en el presente trabajo se comenta el proyecto en el que se ha buscado formalizar y poner en práctica el proceso de transferencia y formación de Investigadores Científicos Iniciales a través de su incorporación en actividades en el marco de diversas áreas informáticas, y la adecuación que se llevó a cabo a medida que la situación de pandemia impuso diversas restricciones.
Cálculo paralelo para la multiplicación de matrices
(2021-01-01) Ponce de León, Alejo; Díaz, Karvin; Chirino, Pamela; Galdámez Bilardi, Mariela; Caymes Scutari, Paola; Bianchini, Germán
La utilización de la multiplicación de matrices toma un alto grado de importancia en aplicaciones tales como resolución de sistemas de ecuaciones de muchas variables, cálculo numérico y también actualmente se utiliza mucho en el cálculo de microarrays, en el área de bioinformática. En este proyecto nos enfocamos en el uso de algoritmos para realizar dicha operación a fin de aplicar el concepto de paralelismo y así conseguir mayores velocidades en el proceso de resolución. Además, se evaluarán los métodos de balanceo de carga con el objetivo de comparar eficiencia entre diversos códigos y el incremento de velocidad con la utilización del sistema paralelo (Speedup).
Detección de exoplanetas y cómputo paralelo
(2019-01-01) Hidalgo, Jesús; Galdámez Bilardi, Mariela; Chirino, Pamela; Caymes Scutari, Paola; Bianchini, Germán
Un planeta extrasolar o exoplaneta es un planeta que orbita una estrella madre diferente al Sol y que, por lo tanto, no pertenece al sistema solar. Encontrar exoplanetas es una tarea de alta complejidad, ya que los planetas constituyen una fuente de luz extremadamente tenue en comparación con la estrella a la que orbitan. Tres de los métodos de detección más utilizados son el método de tránsito, de velocidad radial y el método de microlentes gravitacionales. Estos métodos proveen datos a través de sistemas informáticos que permiten la detección de un exoplaneta. Sin embargo, se requieren no solo altas capacidades computacionales sino tiempo para el cómputo y análisis. Por ello, consideramos que el paradigma del cómputo paralelo/distribuido podría colaborar en esta problemática. Categoría Trabajos de alumnos: Extra cátedra. Trabajo vinculado a Beca de Investigación realizado por un alumno de primer año de Ing. en Sistemas de Información
Diseño de un sistema de medición de desempeño para Moodle en Educación Superior
(2020-01-01) Salinas, Sergio; Bianchini, Germán; Tagarelli, Sandra; Caymes Scutari, Paola; Ontiveros, Patricia; Rotella, Carina; Chirino, Pamela; Galdámez Bilardi, Mariela
Las universidades locales requieren de un sistema de medición de desempeño para el Sistema de Gestión de Aprendizaje (SGA) denominado Moodle. Para implementar Moodle las universidades invierten recursos físicos, tecnológicos y tiempo. Este proceso de implementación requiere de un plan estratégico que defina un conjunto de acciones a ejecutar con sus respectivos objetivos a alcanzar. Para evaluar la eficiencia de la ejecución de un plan estratégico se necesita de un sistema de medición de desempeño. El principal componente de este sistema es un conjunto limitado de indicadores que sintetizan los efectos de las acciones del plan estratégico. El número de indicadores es limitado para facilitar su uso y reducir la complejidad de análisis por parte de los directivos de la institución. Existen distintas metodologías para diseñar un sistema de medición de desempeño. Sin embargo, estas metodologías sólo proveen lineamientos generales a tener en cuenta a la hora del diseño. El problema que aborda este trabajo es la identificación de los indicadores apropiados para medir el desempeño de Moodle en una universidad local.
Formación de docentes y alumnos de grado como investigadores científicos iniciales en las áreas de Informática y Ciencias de la Computación
(2020-01-01) Bianchini, Germán; Caymes Scutari, Paola; Ontiveros, Patricia; Rotella, Carina; Salinas, Sergio; Tagarelli, Sandra; Chirino, Pamela; Galdámez Bilardi, Mariela
La capacidad investigativa resulta un elemento clave e imprescindible para hacer frente a los retos con los que los nuevos profesionales se encontrarán en el mundo laboral actual y futuro. Sin embargo, la educación argentina, aunque debiera estar orientada a generar pensamiento, se enfoca quizá más en profesionalizar a los alumnos. Esta es una situación que debe modificarse, y es responsabilidad de los propios docentes/investigadores abrir un nuevo panorama a los ojos de los estudiantes y docentes universitarios en general, de modo tal de ayudarlos a desarrollar sus capacidades de evaluación, crítica e inventiva. El principal obstáculo que se encuentra es que las actividades de investigación se encuentran desvinculadas, en general, de las actividades académicas de grado, y por tanto esta disociación mantiene alejados a los alumnos y a muchos docentes de tareas de enfoque científico. Por tal motivo, en el presente proyecto se busca formalizar y poner en práctica el proceso de transferencia y formación de Investigadores Científicos Iniciales a través de su incorporación en actividades en el marco de tres grandes áreas: Cómputo Paralelo, Analítica de Datos y Gobierno Electrónico.
Métodos de Inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
(2021-01-01) Chirino, Pamela; Galdámez Bilardi, Mariela; Díaz, Karvin; Ponce de León, Alejo; Caymes Scutari, Paola; Bianchini, Germán
La inteligencia artificial ha generado una revolución importante en los últimos años de la computación. En esta línea de trabajo se estudiarán dos formas de inteligencia artificial para aplicarlas en la reducción de incertidumbre en modelos de predicción, en este caso, el modelo de predicción de incendios llevado a cabo en el Laboratorio de Investigación en Cómputo Paralelo/Distribuido de la UTN-FRM. En el mismo se trabaja con paralelismo, por lo tanto se analizará la posible paralelización de estos métodos. Los métodos de inteligencia artificial que se estudiarán son: Redes neuronales y Visión Computacional.
Optimización para Redes Neuronales
(2019-01-01) Chirino, Pamela; Galdámez Bilardi, Mariela; Bianchini, Germán; Caymes Scutari, Paola
Las Redes neuronales artificiales tratan de reproducir el proceso de solución de problemas del cerebro, una red neuronal toma como ejemplos problemas resueltos para poder construir un sistema de toma de decisiones y realizar calificaciones. Estas características de poder aprender de ejemplos o problemas resueltos las hacen una solución óptima cuando se trabaja con modelos de predicción. El objetivo a futuro de esta investigación es poder aplicar redes neuronales en el modelo paralelo de predicción de incendios utilizado en el laboratorio LICPaD. En este modelo se trabaja constantemente con la incertidumbre de variables, lo que dificulta una predicción óptima. Al implementar redes neuronales en el modelo, se buscará que este logre una mejor toma de decisiones sobre las variables según qué peso tienen estas en el incendio a predecir. Para poder aplicarlo a este modelo buscando mejorar el tiempo y calidad de resultados, se busca paralelizarlo de forma que tanto el aprendizaje como el funcionamiento de la red no afecten considerablemente el tiempo de obtención de los resultados.
Paralelismo en algoritmos de aprendizaje para redes neuronales (resumen)
(2019-10-09) Chirino, Pamela; Galdámez Bilardi, Mariela; Bianchini, Germán; Caymes Scutari, Paola
En los últimos años, la Inteligencia Artificial ha ido avanzando y se ha utilizado en diversas áreas. Algunas aplicaciones de esta es el reconocimiento de voz, de imágenes, el análisis de texto, entre otras. Una de las características principales de la Inteligencia Artificial es la capacidad de aprendizaje, de cambiar su comportamiento según la información que se obtiene. Mientras más se haya entrenado el modelo, más probabilidad hay de que se llegue al resultado deseado. El proceso de aprendizaje es complejo y suele llevar bastante tiempo en términos computacionales. En este trabajo, se propone aplicar el paralelismo en los algoritmos de aprendizaje de redes neuronales para hacer a estos más eficientes. Cuando hablamos de un algoritmo eficiente nos referimos a una mejora apreciable en tiempo para la cantidad de recursos que se utilizan, en nuestro caso procesadores. Las neuronas de las redes neuronales, las cuales se encuentran en varias capas, poseen conexiones que van a ir cambiando hasta que el modelo sea el más cercano al óptimo. Es decir, cuando se haya llegado a un nivel de aprendizaje máximo ya que se ha encontrado una “función” donde el error de la solución deseada y la obtenida por el modelo es mínimo. En este proyecto se comenzará buscando la forma de paralelizar uno o varios algoritmos de aprendizaje para redes neuronales de acuerdo a la necesidad. Luego, se analizará si hay mejoras en su eficiencia. El objetivo a futuro de esta investigación es poder aplicar redes neuronales en el modelo paralelo de predicción de incendios utilizado en el laboratorio LICPaDa . En este modelo se trabaja constantemente con la incertidumbre de variables, lo que dificulta una predicción óptima. Al implementar redes neuronales en el modelo, se buscará que este logre una mejor toma de decisiones sobre las variables según qué peso tienen estas en el incendio a predecir.
Paralelización de redes neuronales en el ámbito de la visión computacional
(2021-01-01) Galdámez Bilardi, Mariela; Chirino, Pamela; Caymes Scutari, Paola; Bianchini, Germán
En este artículo, se presenta un estudio inicial sobre las redes neuronales aplicadas en la visión computacional y sobre el objetivo de estudiar su paralelización. La visión computacional puede utilizarse en diversos campos de la ciencia y la ingeniería, y las redes neuronales, como una herramienta de la inteligencia artificial, permiten resolver problemas complejos que surgen en éstas. Sin embargo, la complejidad de la resolución de un problema se traslada a su aprendizaje, puesto que se necesitará una red neuronal con una estructura de tamaño importante para resolverlo. La complejidad de las redes neuronales yace en la velocidad de cómputo necesaria para conseguir una red neuronal funcional en un tiempo razonable, y es aquí donde se introduce el cómputo paralelo como un modelo computacional que permite atender esta demanda al distribuir tareas o la carga de procesamiento en diversos procesadores. En este trabajo, se espera expresar estadísticamente los beneficios del paralelismo en el aprendizaje de redes neuronales, y comprobar que, al paralelizar, se consigue en un tiempo menor una convergencia de los pesos a algo cercano al óptimo global en cada neurona de la red neuronal .
Redes neuronales paralelas aplicadas a la visión computacional
(2021-04-15) Galdámez Bilardi, Mariela; Chirino, Pamela; Díaz, Karvin; Ponce de León, Alejo; Caymes Scutari, Paola; Bianchini, Germán
La capacidad de permitir que una computadora reconozca en una imagen los objetos, ambiente y posición en el espacio fue el inicio de la visión computacional, un área dentro de la inteligencia artificial. Al utilizar el modelo de redes neuronales en este campo, se consiguen resultados en diversas ramas de la ciencia. Por ejemplo, diagnóstico de ciertas patologías en imágenes provenientes de ecografías o resonancia magnética; realizar vigilancia, reconocimiento dactilar y ocular como mecanismos de seguridad; entre otras tantas aplicaciones. Pero estructurar una red neuronal no es tarea sencilla, pues para conseguir que funcione y aprenda adecuadamente se requiere de un conjunto de datos de entrada que deberá analizar cierta cantidad de veces hasta producir una salida coherente con los datos ingresados. Esto implica la necesidad de una velocidad de cómputo enorme para que sea capaz de aprender en un período de tiempo razonable. Además, si el tamaño de la red es mucho mayor,los datos de entrada aumentan en cantidad y se complejiza el aprendizaje de la misma, lo que infiere en un aumento considerable de tiempo. Los procesadores actuales no brindan la velocidad suficiente y es aquí donde la programación paralela se presenta como una solución alternativa.
Resultados preliminares en la formación de docentes y alumnos como Investigadores Científicos Iniciales
(2022-01-01) Bianchini, Germán; Caymes Scutari, Paola; Ontiveros, Patricia; Rotella, Carina; Salinas, Sergio; Tagarelli, Sandra; Brancolini, Alessandro; Chirino, Pamela; Galdámez Bilardi, Mariela; Díaz, Karvin
Junto con el inicio de la pandemia por COVID-19, que tantos cambios ocasionó en la actividad cotidiana y profesional de las personas, se inició el proyecto titulado ‘Formación de docentes y alumnos de grado como Investigadores Científicos Iniciales en las áreas de Informática y Ciencias de la Computación’, en el cual se buscó organizar y fortalecer el proceso de formación de investigadores en el Departamento de Ingeniería de Sistemas de Información de la UTN-Facultad Regional Mendoza, incluyendo a alumnos y docentes. En rigor, los responsables del mismo hemos venido realizando dicha tarea desde el año 2008, aunque sin el marco y formalidad de un proyecto marco específico. En este artículo se comenta la razón del mismo y los resultados preliminares obtenidos tras la experiencia de este trabajo que concluirá a fines del actual ciclo 2022. Obviamente, las observaciones y conclusiones no pueden dejar de considerar la situación excepcional experimentada en el ámbito académico en relación al aislamiento y distanciamiento por COVID-19, y al impacto que las restricciones impuestas tuvieron en el desarrollo de los proyectos y las diversas actividades de investigación, también indirectamente afectadas por los cambios en la docencia.
Uso de la tecnología Blockchain Federal (BFA) para dejar pistas de auditoría y trazabilidad a sentencias y acordadas de la Suprema Corte de la provincia de Mendoza
(2020-01-01) Rotella, Carina; Ontiveros, Patricia; Bianchini, Germán; Caymes Scutari, Paola; Tagarelli, Sandra; Salinas, Sergio; Chirino, Pamela; Galdámez Bilardi, Mariela
El conocimiento y uso de las tecnologías innovadoras es fundamental para la formación de docentes y alumnos de grado e Investigadores Científicos en las áreas de Informática y Ciencias de la Computación. Este proyecto pretende generar ese espacio de enlace y formación entre el interés que despierta trabajar sobre nuevas tecnologías, como Blockchain, y la necesidad de formar investigadores. De esta manera, es posible lograr la permanente actualización, en las nuevas tendencias, ya que se trata de ciencias que evolucionan vertiginosamente Blockchain (o cadena de bloques) es una base de datos compartida que funciona como un libro para el registro de operaciones o transacciones. Es una tecnología disruptiva que merece espacio de estudio en las universidades por los distintos casos de uso que tiene no sólo en el ámbito financiero. Disruptiva porque se trata de una innovación tecnológica que deja obsoleta a la tecnología anterior produciendo una ruptura brusca y en algunas ocasiones causando cambios profundos. Debido a la falta de personal calificado en el tema y la alta demanda, se pretende abordarla en el amplio sentido de estudiarla, entenderla y diversificar su aplicación en distintos ámbitos: académico y profesional. Como así también promover y motivar la innovación tecnológica.
Visualización de datos en un tablero de comando aplicado a plataformas de educación a distancia en el nivel Superior
(2020-01-01) Tagarelli, Sandra; Salinas, Sergio; Caymes Scutari, Paola; Bianchini, Germán; Ontiveros, Patricia; Rotella, Carina; Chirino, Pamela; Galdámez Bilardi, Mariela
En la actualidad, la disposición masiva de datos en todos los campos del conocimiento representa un desafío muy grande para los tomadores de decisiones, tanto estratégicas como operativas. En particular, en muchas instituciones educativas de nivel superior se han desarrollado y aplicado plataformas de educación a distancia. Hay distintos paradigmas que se han ido aplicando para posibilitar esta relación distinta entre alumno y docente. Se requiere evaluar con indicadores definidos y bien diseñados en un tablero de comando. Un Tablero de comando, en este contexto del proceso de enseñanza- aprendizaje, captura y visualiza el seguimiento de las actividades de enseñanza, a través de indicadores, con el objetivo de conocer, reflexionar y tomar decisiones. Permite a los usuarios definir objetivos y analizar en qué medida los valores obtenidos de estos indicadores se acercan a los objetivos prefijados de rendimiento en esta nueva forma de interacción alumno-docente.(Dashboard). En este contexto, adquiere particular relevancia cómo se muestran los datos, es decir cuál es la mejor representación para los datos posible. Es claro que una representación visual de datos no apropiada puede obstaculizar su interpretación e inducir a errores. Por ello, en ocasiones es necesario recurrir a los conceptos que se extraen de las ciencias cognitivas sobre percepción humana. Encontrar la mejor representación visual posible de los datos de un tablero de comando representa un desafío, y requiere un abordaje complementario entre los conceptos de percepción además de conocimientos de diseño visual.

Browsing by Author "Chirino, Pamela"

SECRETARÍAS

ENLACES UTN

ENLACES EXTERNOS