FRCU - GIICIS: Grupo de Investigación en Inteligencia Computacional e Ingeniería de Software

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/4094

Browse

Subject: search.filters.subject.Inteligencia computacional

Search Results

Now showing 1 - 4 of 4
  • Thumbnail Image
    Item
    Aplicación de inteligencia computacional y computación de alto desempeño en el desarrollo de un modelo de predicción de las condiciones predisponentes al quemado del arroz (Pyricularia oryzae)
    (Red de Universidades con Carreras en Informática, 2023-04-13) Asselborn, Miriam; Escalante, Julián; Lopresti, Olga Mariela; Miranda, Natalia Carolina; Schab, Esteban Alejandro; Cedaro, Karina Elizabeth; Fontanini, Pablo; Martínez, Malvina; Casanova Pietroboni, Carlos Antonio; Pedraza, María Virginia; Piccoli, María Fabiana
    Un sistema complejo o crítico con toma de decisiones se caracteriza por la imposibilidad de reproducir para su estudio un escenario sin consecuencias reales, o cuando su resolución implica gran cantidad de recursos para obtener resultados en un tiempo prudencial. La complejidad puede darse por las características del problema o por la cantidad de datos con los que se trabaja. Tomar decisiones en estos contextos debe conjugar dos atributos usualmente contrapuestos: calidad y velocidad. En este trabajo proponemos una línea de investigación enfocada en analíticas, principalmente las prescriptivas, capaces de determinar acciones a ser ejecutadas en el momento (decisiones operativas) o en el futuro (decisiones tácticas: corto y mediano plazo, decisiones estratégicas: largo plazo) para lograr un objetivo deseado. A esta línea se suman investigaciones en Inteligencia Computacional y Computación de Alto Desempeño con el fin de obtener, de forma colaborativa, calidad y velocidad en las decisiones.
  • Thumbnail Image
    Item
    Toma de decisiones en sistemas de eventos mediante inteligencia computacional y computación de alto desempeño
    (Red de Universidades con Carreras en Informática, 2022-04) Schab, Esteban Alejandro; Lopresti, Olga Mariela; Miranda , Natalia Carolina; Casanova Pietroboni, Carlos Antonio; Piccoli, María Fabiana
    La toma de decisiones en contextos dominados por grandes volúmenes de datos debe conjugar dos atributos usualmente contrapuestos: calidad y velocidad. La disponibilidad de información generada por personas y dispositivos abre nuevos desafíos en el diseño de mecanismos para aprovecharla. Estos deben ser capaces de determinar las decisiones de mayor utilidad sujetas a ventanas temporales que garanticen su factibilidad. Uno de estos mecanismos lo constituyen las distintas analíticas, las cuales buscan transformar los datos en información a través de técnicas diversas. En este trabajo proponemos dos líneas de investigación, una enfocada en la analítica prescriptiva, capaz de determinar acciones a ser ejecutadas en el momento (decisiones operativas) o en el futuro (decisiones tácticas para corto y mediano plazo, decisiones estratégicas para largo plazo) para lograr un objetivo deseado; la otra relacionada con las técnicas de aprendizaje supervisado y la recuperación de información no estructurada. En ambos, se propone la utilización de desarrollos provenientes de la Inteligencia Computacional y de la Computación de Alto Desempeño con el fin de obtener, de forma colaborativa, calidad y velocidad en las decisiones.
  • Thumbnail Image
    Item
    Modelo prescriptivo dinámico para un sistema de eventos complejo
    (Red de Universidades con Carreras en Informática, 2021-04-15) Schab, Esteban Alejandro; Casanova Pietroboni, Carlos Antonio; Piccoli, María Fabiana
    La toma de decisiones en contextos dominados por grandes volúmenes de datos debe conjugar dos atributos usualmente contrapuestos: calidad y velocidad. La disponibilidad de información generada por personas y dispositivos abre nuevos desafíos en el diseño de mecanismos que puedan aprovecharla, de tal manera de que sean capaces de determinar las decisiones de mayor utilidad sujetas a ventanas temporales que garanticen su factibilidad. Uno de estos mecanismos lo constituyen las analíticas en sus distintos tipos, las cuales buscan transformar los datos en información a través de técnicas diversas. En este trabajo proponemos una línea de investigación enfocada en la analítica prescriptiva, capaz de determinar acciones a ser ejecutadas en el momento (decisiones operativas) o en el futuro (decisiones tácticas para corto y mediano plazo, decisiones estratégicas para largo plazo) para lograr un objetivo deseado. Para componerlas se propone la utilización de desarrollos provenientes de la Inteligencia Computacional y de la Computación de Alto Desempeño con el fin de obtener, de forma colaborativa, calidad y velocidad en las decisiones.
  • Thumbnail Image
    Item
    Toma de decisiones científica en la ingeniería de software mediante inteligenica computacional y análisis de datos
    (Red de Universidades con Carreras en Informática, 2021-04) Casanova Pietroboni, Carlos Antonio; Chichi, Manuel; Hoet, Leonardo Alfonso; Pereyra Rausch, Fernando Nahuel; Prado, Lucas Martín; Rottoli, Giovani Daián; Schab, Esteban Alejandro; De Battista, Anabella Cecilia
    La adopción de herramientas formales que complementen la experiencia y el buen juicio en las distintas actividades de un proceso de desarrollo de software todavía es un pendiente dentro la industria del software. La falta de conocimientos respecto de enfoques realistas para resolver problemas de la IS y la falta de herramientas software que auxilien a los tomadores de decisiones utilizando tales enfoques son dos carencias que pueden explicar las dificultades en esta adopción. Las líneas de investigación aquí propuestas tienden a suplir ambas. Para esta tarea se propone la utilización de tanto técnicas comprendidas en lo que se conoce como Inteligencia Computacional (IC), dentro de las cuales se encuentran la teoría de conjuntos difusos, las redes neuronales y la computación evolutiva, como también de herramientas de la Ciencia de Datos, incluyendo técnicas de aprendizaje automático, estadísticas y visualización de datos, entre otros. Estas técnicas son capaces de brindar la flexibilidad necesaria para crear métodos y modelos que sean tolerantes a la imprecisión, la falta de información y la aproximación, características que le son propias a los contextos de decisión en la IS.