http://sedici.unlp.edu.ar:80/handle/10915/140898 Fri, 30 Oct 2026 20:36:59 GMT 2026-10-30T20:36:59Z http://sedici.unlp.edu.ar:80/handle/10915/141023 Objeto de conferencia XXIV Concurso de Trabajos Estudiantiles (EST 2021) - JAIIO 50 (Modalidad virtual) Sistema I es un cálculo lambda simplemente tipado con pares, extendido con una teoría ecuacional obtenida a partir de considerar a los tipos isomorfos como iguales. En este trabajo presentamos una extensión de Sistema I a polimorfismo, agregando los isomorfismos correspondientes, y proveemos pruebas no estándar de las propiedades de preservación de tipos y normalización fuerte. Fri, 01 Jan 2021 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/141023 2021-01-01T00:00:00Z Sistema I es un cálculo lambda simplemente tipado con pares, extendido con una teoría ecuacional obtenida a partir de considerar a los tipos isomorfos como iguales. En este trabajo presentamos una extensión de Sistema I a polimorfismo, agregando los isomorfismos correspondientes, y proveemos pruebas no estándar de las propiedades de preservación de tipos y normalización fuerte. http://sedici.unlp.edu.ar:80/handle/10915/141022 Objeto de conferencia XXIV Concurso de Trabajos Estudiantiles (EST 2021) - JAIIO 50 (Modalidad virtual) En los últimos años se ha comprobado que el registro de las actividades diarias de una persona compuesto principalmente por un conjunto de imágenes y otras magnitudes provenientes de sensores como GPS y acelerómetros, conforma un volumen de información extenso, el cual puede contribuir a tratamientos contra enfermedades o condiciones relacionadas a la pérdida de memoria. Una forma de capturar estos eventos es mediante el uso de cámaras egocéntricas, un tipo de cámaras que intentan imitar el campo visual de un individuo. Gracias a los avances en el área de la inteligencia artificial, los algoritmos de Deep Learning para la clasificación de imágenes convierten la tarea de clasificar estas imágenes en una tarea semi-automática. En base a esta premisa, se pretende estudiar la viabilidad de una solución que sea capaz de detectar e identificar actividades rutinarias a partir de un conjunto de imágenes tomadas a lo largo de un período de tiempo determinado. Fri, 01 Jan 2021 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/141022 2021-01-01T00:00:00Z En los últimos años se ha comprobado que el registro de las actividades diarias de una persona compuesto principalmente por un conjunto de imágenes y otras magnitudes provenientes de sensores como GPS y acelerómetros, conforma un volumen de información extenso, el cual puede contribuir a tratamientos contra enfermedades o condiciones relacionadas a la pérdida de memoria. Una forma de capturar estos eventos es mediante el uso de cámaras egocéntricas, un tipo de cámaras que intentan imitar el campo visual de un individuo. Gracias a los avances en el área de la inteligencia artificial, los algoritmos de Deep Learning para la clasificación de imágenes convierten la tarea de clasificar estas imágenes en una tarea semi-automática. En base a esta premisa, se pretende estudiar la viabilidad de una solución que sea capaz de detectar e identificar actividades rutinarias a partir de un conjunto de imágenes tomadas a lo largo de un período de tiempo determinado. http://sedici.unlp.edu.ar:80/handle/10915/141020 Objeto de conferencia XXIV Concurso de Trabajos Estudiantiles (EST 2021) - JAIIO 50 (Modalidad virtual) Callcuster es una plataforma extensible que permite juzgar y entender la estructura del código fuente en diversos niveles de abstracción, a partir de la visualización del mismo como un grafo, y su análisis por medio de técnicas de Ciencia de Datos. Callcluster comprende una herramienta de visualización y análisis, y dos extractores que generan el callgraph para programas C y C#. La arquitectura permite añadir nuevos lenguajes y métricas con facilidad. El analizador permite ejecutar un algoritmo de clustering sobre el grafo extraído y los clusters pueden interpretarse como entidades de software para inspirar una reorganización del código fuente. Existen pocas herramientas abiertas de visualización de código, ninguna de ellas permite realizar el tipo de análisis que implementa Callcluster. Fri, 01 Jan 2021 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/141020 2021-01-01T00:00:00Z Callcuster es una plataforma extensible que permite juzgar y entender la estructura del código fuente en diversos niveles de abstracción, a partir de la visualización del mismo como un grafo, y su análisis por medio de técnicas de Ciencia de Datos. Callcluster comprende una herramienta de visualización y análisis, y dos extractores que generan el callgraph para programas C y C#. La arquitectura permite añadir nuevos lenguajes y métricas con facilidad. El analizador permite ejecutar un algoritmo de clustering sobre el grafo extraído y los clusters pueden interpretarse como entidades de software para inspirar una reorganización del código fuente. Existen pocas herramientas abiertas de visualización de código, ninguna de ellas permite realizar el tipo de análisis que implementa Callcluster. http://sedici.unlp.edu.ar:80/handle/10915/140918 Objeto de conferencia XXIV Concurso de Trabajos Estudiantiles (EST 2021) - JAIIO 50 (Modalidad virtual) Muchos estudios sugieren que, durante los últimos años, ha habido un incremento exponencial de los ataques informáticos, causando a las organizaciones pérdidas financieras en el orden de los millones. Mientras muchas compañías dedican tiempo y recursos al desarrollo de antivirus; la complejidad, la velocidad de propagación y la capacidad polimórfica que poseen los virus modernos representan enormes desafíos para estas empresas. Motivados por encontrar nuevas alternativas, la comunidad de científicos de datos ha descubierto que la utilización de técnicas de machine learning y deep learning para la detección y clasificación de malware puede ofrecer una opción más que competitiva. Para esta investigación se comenzará realizando las extracción de información de un conjunto de datos compuesto por once mil archivos ASM y bytes correspondientes a nueve familias distintas de malwares. Luego, mediante la implementación de algoritmos de machine learning se intentará clasificar estos malwares en sus correspondientes familias. De forma complementaria, se realizará una clasificación binaria para detección mal- ware/no malware, con un conjunto reducido de programas benignos, finalizando así con la elaboración de comparaciones y conclusiones. Fri, 01 Jan 2021 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/140918 2021-01-01T00:00:00Z Muchos estudios sugieren que, durante los últimos años, ha habido un incremento exponencial de los ataques informáticos, causando a las organizaciones pérdidas financieras en el orden de los millones. Mientras muchas compañías dedican tiempo y recursos al desarrollo de antivirus; la complejidad, la velocidad de propagación y la capacidad polimórfica que poseen los virus modernos representan enormes desafíos para estas empresas. Motivados por encontrar nuevas alternativas, la comunidad de científicos de datos ha descubierto que la utilización de técnicas de machine learning y deep learning para la detección y clasificación de malware puede ofrecer una opción más que competitiva. Para esta investigación se comenzará realizando las extracción de información de un conjunto de datos compuesto por once mil archivos ASM y bytes correspondientes a nueve familias distintas de malwares. Luego, mediante la implementación de algoritmos de machine learning se intentará clasificar estos malwares en sus correspondientes familias. De forma complementaria, se realizará una clasificación binaria para detección mal- ware/no malware, con un conjunto reducido de programas benignos, finalizando así con la elaboración de comparaciones y conclusiones. http://sedici.unlp.edu.ar:80/handle/10915/140911 Objeto de conferencia XXIV Concurso de Trabajos Estudiantiles (EST 2021) - JAIIO 50 (Modalidad virtual) El presente trabajo resume la experiencia de desarrollo de un sistema de detección automática de anomalías en el riego de cultivos. Este proyecto se circunscribe al marco de un Trabajo Práctico Profesional de la carrera de Ingeniería en Informática de la Facultad de Ingeniería de la UBA. Los estudiantes trabajaron con la aprobación de la agtech Ponce Automations para asistir en su misión de brindar un mejor monitoreo del estado del riego de los cultivos de sus clientes. Se describe el diseño, implementación y despliegue productivo de una arquitectura capaz de procesar datos distribuidos en forma de series temporales y su clasificación a través de una red neuronal. La solución fue implantada en producción haciendo uso de una infraestructura IoT. Los dispositivos y sensores se comunican con un satélite y vuelcan los resultados telemétricos en la nube, donde se ejecutan pipelines de procesamiento de flujo masivo de datos para clasificar cada medición y detectar potenciales anomalías. Fri, 01 Jan 2021 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/140911 2021-01-01T00:00:00Z El presente trabajo resume la experiencia de desarrollo de un sistema de detección automática de anomalías en el riego de cultivos. Este proyecto se circunscribe al marco de un Trabajo Práctico Profesional de la carrera de Ingeniería en Informática de la Facultad de Ingeniería de la UBA. Los estudiantes trabajaron con la aprobación de la agtech Ponce Automations para asistir en su misión de brindar un mejor monitoreo del estado del riego de los cultivos de sus clientes. Se describe el diseño, implementación y despliegue productivo de una arquitectura capaz de procesar datos distribuidos en forma de series temporales y su clasificación a través de una red neuronal. La solución fue implantada en producción haciendo uso de una infraestructura IoT. Los dispositivos y sensores se comunican con un satélite y vuelcan los resultados telemétricos en la nube, donde se ejecutan pipelines de procesamiento de flujo masivo de datos para clasificar cada medición y detectar potenciales anomalías. http://sedici.unlp.edu.ar:80/handle/10915/140908 Objeto de conferencia XXIV Concurso de Trabajos Estudiantiles (EST 2021) - JAIIO 50 (Modalidad virtual) Routed DEVS (RDEVS) es una subclase del formalismo de modelado y simulación Discrete Event System Specification que facilita el tratamiento de problemas centrados en el ruteo de eventos. Estos formalismos tienen un carácter abstracto, siendo de suma necesidad poder diseñar y ejecutar modelos basados en ellos, pero también disponer de herramientas que ayuden al procesamiento de sus resultados. En este trabajo se explica el modelado e implementación de una herramienta para la estructuración y captura de los eventos que tienen lugar cuando se ejecuta la simulación de modelos RDEVS. El proyecto se desarrolla utilizando Java para el seguimiento de los componentes sumando el uso de la herramienta GWT para visualizar toda la información recopilada. El objetivo del producto de software final es crear registros de datos que permitan mejorar la comprensión del proceso de simulación junto con el comportamiento de los modelos componentes. Fri, 01 Jan 2021 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/140908 2021-01-01T00:00:00Z Routed DEVS (RDEVS) es una subclase del formalismo de modelado y simulación Discrete Event System Specification que facilita el tratamiento de problemas centrados en el ruteo de eventos. Estos formalismos tienen un carácter abstracto, siendo de suma necesidad poder diseñar y ejecutar modelos basados en ellos, pero también disponer de herramientas que ayuden al procesamiento de sus resultados. En este trabajo se explica el modelado e implementación de una herramienta para la estructuración y captura de los eventos que tienen lugar cuando se ejecuta la simulación de modelos RDEVS. El proyecto se desarrolla utilizando Java para el seguimiento de los componentes sumando el uso de la herramienta GWT para visualizar toda la información recopilada. El objetivo del producto de software final es crear registros de datos que permitan mejorar la comprensión del proceso de simulación junto con el comportamiento de los modelos componentes. http://sedici.unlp.edu.ar:80/handle/10915/140906 Objeto de conferencia XXIV Concurso de Trabajos Estudiantiles (EST 2021) - JAIIO 50 (Modalidad virtual) El Grupo de Investigación de Inteligencia Tecnológica para los Negocios e Industrias, de una universidad del norte argentino, presenta la propuesta del diseño y desarrollo de un sistema automatizado de Vigilancia e Inteligencia Estratégica para prestar un servicio desde el grupo de investigación ante quien lo solicite, disponible para la Argentina. Definimos para ello siete procesos, de los cuales, seis se definen en las normas relacionadas al proceso de Vigilancia e Inteligencia Tecnológica y uno adicional para la gestión de usuarios y perfiles. Este sistema se basa en las normas vigentes nacionales e internacionales y surge del comparativo con los sistemas existentes en el mercado teniendo en cuenta funcionalidades y aspectos técnicos. Fri, 01 Jan 2021 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/140906 2021-01-01T00:00:00Z El Grupo de Investigación de Inteligencia Tecnológica para los Negocios e Industrias, de una universidad del norte argentino, presenta la propuesta del diseño y desarrollo de un sistema automatizado de Vigilancia e Inteligencia Estratégica para prestar un servicio desde el grupo de investigación ante quien lo solicite, disponible para la Argentina. Definimos para ello siete procesos, de los cuales, seis se definen en las normas relacionadas al proceso de Vigilancia e Inteligencia Tecnológica y uno adicional para la gestión de usuarios y perfiles. Este sistema se basa en las normas vigentes nacionales e internacionales y surge del comparativo con los sistemas existentes en el mercado teniendo en cuenta funcionalidades y aspectos técnicos. http://sedici.unlp.edu.ar:80/handle/10915/140903 Objeto de conferencia XXIV Concurso de Trabajos Estudiantiles (EST 2021) - JAIIO 50 (Modalidad virtual) Las medidas de similitud semántica en base a ontologías son útiles en muchas aplicaciones, por ejemplo para la inferencia de funciones de genes o proteínas. Las medidas tradicionales para esta aplicación se basan en la frecuencia de anotación de términos, y no cumplen con ciertas propiedades básicas cuando se las utiliza como distancias. En este trabajo se propone definir nuevas medidas que incorporen la estructura del grafo de la ontología de genes, aplicando la teoría de procesamiento de señales en grafos. Los genes representados como señales en el grafo, definiendo caminos que recorren el grafo desde la raíz hasta los términos anotados. El desempeño de las medidas propuestas se evalúa en primer lugar calculando la distancia entre genes anotados en una sub-ontología sencilla, con distintos conjuntos de genes. Luego se evalúa el desempeño en la aplicación de interés, prediciendo funciones de genes mediante un enfoque Bayesiano. Las medidas propuestas se ajustan mejor a las nociones intuitivas de distancia y obtienen un mejor desempeño en la inferencia. Fri, 01 Jan 2021 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/140903 2021-01-01T00:00:00Z Las medidas de similitud semántica en base a ontologías son útiles en muchas aplicaciones, por ejemplo para la inferencia de funciones de genes o proteínas. Las medidas tradicionales para esta aplicación se basan en la frecuencia de anotación de términos, y no cumplen con ciertas propiedades básicas cuando se las utiliza como distancias. En este trabajo se propone definir nuevas medidas que incorporen la estructura del grafo de la ontología de genes, aplicando la teoría de procesamiento de señales en grafos. Los genes representados como señales en el grafo, definiendo caminos que recorren el grafo desde la raíz hasta los términos anotados. El desempeño de las medidas propuestas se evalúa en primer lugar calculando la distancia entre genes anotados en una sub-ontología sencilla, con distintos conjuntos de genes. Luego se evalúa el desempeño en la aplicación de interés, prediciendo funciones de genes mediante un enfoque Bayesiano. Las medidas propuestas se ajustan mejor a las nociones intuitivas de distancia y obtienen un mejor desempeño en la inferencia. http://sedici.unlp.edu.ar:80/handle/10915/140901 Objeto de conferencia XXIV Concurso de Trabajos Estudiantiles (EST 2021) - JAIIO 50 (Modalidad virtual) Partiendo de las necesidades de la sociedad y de los avances que tienen las tecnologías de las comunicaciones, surge la tecnología inalámbrica Li-Fi (Light - Fidelity) y lentamente se está posicionando como una alternativa a Wi-Fi (Wireless - Fidelity), pretendiendo tener como punto de acceso a internet una lámpara led que emite luz a un ambiente. Con el fin de mostrar el alcance que puede tener la tecnología Li-Fi, el presente trabajo tiene como objetivo principal realizar el desarrollo de las características, funciones y aplicaciones de la tecnología Li-Fi utilizando como base comparativa la tecnología inalámbrica Wi-Fi. Fri, 01 Jan 2021 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/140901 2021-01-01T00:00:00Z Partiendo de las necesidades de la sociedad y de los avances que tienen las tecnologías de las comunicaciones, surge la tecnología inalámbrica Li-Fi (Light - Fidelity) y lentamente se está posicionando como una alternativa a Wi-Fi (Wireless - Fidelity), pretendiendo tener como punto de acceso a internet una lámpara led que emite luz a un ambiente. Con el fin de mostrar el alcance que puede tener la tecnología Li-Fi, el presente trabajo tiene como objetivo principal realizar el desarrollo de las características, funciones y aplicaciones de la tecnología Li-Fi utilizando como base comparativa la tecnología inalámbrica Wi-Fi.