Maestría en Inteligencia Artificial

URI permanente para esta colección

http://hdl.handle.net/10554/57748

Examinar

Mostrando 1 - 40 de 55

Generación automática de código en estudios de análisis de datos epidemiológicos
(Pontificia Universidad Javeriana) Herrera Monterrosa, Sebastian Jose; Pedraza Torres, Yudy Tatiana; Másmela Pinilla, Carlos Andrés; Moreno Barboza, Andrés Darío; Alvarado Valencia, Jorge Andrés; Moreno Sandoval, Luis Gabriel
En epidemiología, el estudio y monitoreo de enfermedades y virus debe realizarse de manera efectiva y eficiente para optimizar la toma de decisiones. Actualmente, existe una amplia variedad de herramientas para el análisis de datos epidemiológicos, como R, sin embargo, su utilización a menudo no se aprovecha debido a la falta de conocimiento en programación de los usuarios. Este artículo propone la creación de una interfaz donde los usuarios puedan ingresar sus requerimientos en lenguaje natural y recibir a cambio fragmentos de código ejecutable del lenguaje de programación R. Este enfoque se basa en el desarrollo de un modelo de aprendizaje profundo, que será entrenado utilizando código extraído de las bibliotecas desarrolladas por el equipo de TRACE-LAC, así como casos de uso comunes en epidemiología. Este método tiene como objetivo democratizar el acceso a herramientas avanzadas de análisis de datos en epidemiología, cerrando la brecha entre la experiencia técnica y la aplicación práctica.
RAING : generación aumentada por recuperación utilizando grafos de conocimiento : un enfoque para descubrir noticias falsas
(Pontificia Universidad Javeriana) Abaunza Ubaque, Orlando; Rincon Yañez, Diego Alberto; Florez Valencia, Leonardo; Gutierrez Batista, Karel
Este proyecto aborda la detección de noticias falsas combinando Grafos de Conocimiento (Knowledge Graphs, KGs) y Modelos de Lenguaje de Gran Escala (LLMs) mediante el enfoque de Generación Aumentada por Recuperación (RAG). Se analizan los desafíos actuales y se propone una metodología que incluye la gestión de datos, construcción de KGs, generación de embeddings y aplicación del enfoque RAG, destacando la importancia de incorporar información externa para mejorar la precisión y contextualización. Para evaluar la efectividad, se establecen objetivos y métricas como precisión, F1-score y AUC-ROC, ofreciendo una solución innovadora y robusta al problema.
Enriquecimiento de dominios semánticos con palabras nuevas o de baja frecuencia
(Pontificia Universidad Javeriana) Mendez Gonzalez, Nicolas; Alvarado Valencia, Jorge Andres; García Díaz, Juan Carlos; Moreno Sandoval, Luis Gabriel
Este artículo propone una metodología para ampliar los conjuntos de dominios semánticos de Alvarado basados en los embeddings de palabras obtenidos del Spanish Billion Words Corpus por Cardellino y otras fuentes. Esta metodología permite agregar nuevas palabras a los dominios existentes, considerando que estas palabras son de baja frecuencia y requieren la creación de representaciones vectoriales desde cero. Además, se propone asignar un índice de pertenencia a los dominios existentes y evaluarlo. Asimismo, se exploran las posibilidades de generar una clasificación de colexificación de los términos y se evalúa su desempeño.
Monitoreo activo con drones del estado de plantas de arándanos en invernaderos
(Pontificia Universidad Javeriana) Martinez Figueroa, Luisa; Martinez Vega, Daniel; Gomez Rodriguez, Andrés; Gonzalez Guerrero, Enrique; Gonzalez Correal, Alejandra Maria; Lopez Parra, Javier Francisco
El cultivo de arándanos ha experimentado un aumento significativo en los últimos años, generando ingresos sustanciales para el sector agrícola. Sin embargo, el cuidado de estas plantas, que producen frutos dos años después de la germinación, implica considerar diversos factores. El monitoreo activo, es crucial en el primer año de desarrollo, se realiza comúnmente de forma manual, especialmente en invernaderos, donde los factores ambientales pueden ser controlados. A pesar de esto, las plantaciones de arándanos pueden experimentar síntomas de estrés, como manchas rojizas en las hojas y adelgazamiento de tallos. El estrés hídrico es una causa común de malestar en los cultivos, afectando tamaño, cantidad y calidad del fruto. La implementación de tecnologías como inteligencia artificial y robótica en la agricultura ha permitido la automatización del monitoreo activo, pero muchos agricultores aún no tienen acceso debido a costos elevados y dificultades de implementación. En este contexto, se propone una rutina de inspección autónoma mediante un UAV para la detección de estrés en plantas de arándanos. El trabajo se estructura en cuatro fases: análisis del estado del arte, recolección de datos para construir datasets, clasificación mediante redes neuronales convolucionales y control visual con marcadores ArUco y algoritmos de lógica difusa. Este enfoque busca ofrecer una solución eficiente y accesible para el monitoreo de la salud de las plantas en entornos controlados como invernaderos
Predicción de excavación del nervio óptico en imágenes de fondo de ojo
(Pontificia Universidad Javeriana) Beltran Camacho, Manuel; Davila Saravia, Simon; Florez Valencia, Leonardo; Florez Valencia, Leonardo; Parra Rodriguez, Carlos Alberto; Suarez Venegas, Daniel Ricardo
La detección automática del glaucoma en imágenes de fondo de ojo, se ha convertido en tema de investigación durante los últimos años debido a la gravedad de la enfermedad, con la que se puede afectar la visión e inclusive tener perdida de la misma, por esta razón, se han abordado diferentes enfoques de estudio que proponen soluciones que ayuden a los(as) oftalmólogos(as) en el proceso de análisis y diagnóstico. A través de esta investigación se busca proponer un enfoque alternativo en el que se plantea el desarrollo de un algoritmo que permita procesar las imágenes de fondo de ojo y posteriormente predecir el área correspondiente a la excavación del nervio óptico, como herramienta de apoyo a los especialistas.
Pronostico de la apnea del sueño mediante el uso de técnicas de procesamiento de lenguaje natural aplicadas a registros médicos electrónicos.
(Pontificia Universidad Javeriana) Montaño Reyes, Yohann; Bolivar Battle, Jehico Bladimir; Montoya Tovar, Diego; Pajaro Hernandez, Juan Pablo; Moreno Sandoval, Luis Gabriel; Gutiérrez García, Luis Fernando
La polisomnografía, también conocida como estudio del sueño, es una prueba integral que se utiliza para diagnosticar los trastornos del sueño y es actualmente el único examen que permite realizar un diagnóstico definitivo. Lograr la predicción del trastorno mediante técnicas de aprendizaje automático, especialmente aquellas cubiertas por el aprendizaje por transferencia, proporcionará a los profesionales de la salud una alternativa para la detección temprana y apoyo en su diagnóstico antes del reconocimiento médico. En los últimos años, el campo de la medicina ha experimentado un avance notable en las capacidades de diagnóstico, gracias a la aplicación de técnicas de aprendizaje automático de última generación. Un ejemplo destacado es BERT (Bidirectional Encoder Representation from Transformers), un modelo basado en la arquitectura Transformers que ha revolucionado la comprensión del lenguaje natural. En este estudio, se evalúa el desempeño de 3 modelos pre-entrenados en español basados en BERT para el pronóstico de la apnea del sueño mediante el análisis de Registros Médicos Electrónicos (RME). También se explora la capacidad de BertViz, una herramienta capaz de visualizar la atención en modelo de procesamiento de lenguaje natural, para detectar cuales podrían ser los factores en los RME influencian a la hora de generar el pronóstico en ciertos pacientes.
Minería de opiniones aplicada al análisis de la opinión pública en el contexto electoral
(Pontificia Universidad Javeriana) Castiblanco Briceño, Manuel Elkin; Gonzalez Rivera, Rafael Andres; Pino Uribe, Juan Federico; Moreno Sandoval, Luis Gabriel
Este artículo explora la dinámica de la opinión pública en el escenario electoral colombiano, empleando un enfoque novedoso que combina la metodología de Investigación de Diseño Científico con técnicas avanzadas de minería de datos. Un aspecto clave de este estudio es la adaptación del modelo BERT en español, inicialmente destinado a identificar cinco emociones específicas, pero finalmente ajustado para reconocer sentimientos positivos y negativos, junto con diez emociones asociadas, en publicaciones de redes sociales de miembros del congreso colombiano. Nuestro objetivo principal es desarrollar una herramienta sofisticada que no solo capte las sutilezas del discurso político, sino que también ilumine su potencial impacto en el comportamiento electoral. Los hallazgos del estudio resaltan la capacidad mejorada del modelo BERT en español para detectar de manera precisa emociones y sentimientos en la comunicación política. Este avance representa un paso significativo hacia adelante en el análisis e interpretación de la opinión pública dentro de contextos electorales, ofreciendo una comprensión matizada de la interacción entre el discurso político y el sentimiento del votante. Las implicaciones de estos conocimientos se extienden más allá del interés académico, proporcionando herramientas prácticas para analistas políticos y partes interesadas en la conformación de estrategias electorales.
Delimitación de los bordes de las regiones del húmero en una tomografía computarizada a través de segmentación semántica utilizando redes neuronales profundas.
(Pontificia Universidad Javeriana) Ethorimn Lobarb, Andres; Florez Valencia, Leonardo; Gauthier Umaña, Cecile; González Hidalgo, Clara
En este trabajo, creamos la fase preliminar de un Sistema de Diagnóstico asistido por Ordenador (DAO) que ayudará en la formación de estudiantes de medicina de la Pontificia Universidad Javeriana. Para esto, analizamos las regiones más representativas de una única imagen de tomografía computarizada de un húmero masculino. Propusimos un método para segmentar semánticamente las regiones de cortes axiales del húmero utilizando cuatro arquitecturas de redes profundas: U-Net, DeepLab v3, Mask R-CNN y MedSAM. A continuación, llevamos a cabo experimentos modificando distintos hiperparámetros de cada arquitectura, buscando la mejor configuración para cada una. Finalmente, analizamos y comparamos los resultados obtenidos con el mejor candidato por cada arquitectura.
Desarrollo de un modelo de Inteligencia Artificial para la reconstruccion cinemática de la mano empleando señales EEG Y EMG
(Pontificia Universidad Javeriana) Rodriguez Alfonso, Nikolas; Cristancho Toloza, Cristian; Alvarado Rojas, Catalina
En este trabajo se propone el desarrollo de un sistema que iimplemente modelos de inteligencia artificial para la estimación de la cinemática de la mano humana, por medio de señales biológicas de electroencefalografía (EEG) y electromiografía (EMG). Debido a la naturaleza del problema se requiere desarrollar un sistema BCI con las siguientes etapas: adquisición de las señales biológicas, preprocesamiento y procesamiento de las señales, extracción de características (tiempo y frecuencia), modelos de regresión, bnasados en aprendizaje automático y profundo. Finalmente se tiene una etapa de modelamiento cinemático y visualización de la mano para validar los resultados de los modelos entrenados, siendo estos comparados con datos reales de prueba. Junto con las métricas de validación para un modelo de regresión, se cuenta también con la visualización que permite dar una perspectiva más interactiva de que tan ajustado se encuentran las predicciones con el movimiento real.
Desarrollo de una aplicación Web para la detección temprana de tizón en huertas de papa
(Pontificia Universidad Javeriana) Blanco Reyes, Joshep Andersson; Mora Hernandez, Lorena Patricia; Gonzalez Santacruz, Katherine; Reyes Rueda, Julian David; Palacio Niño, Julio Omar; Rueda Olarte, Andrea Del Pilar
La agricultura es una actividad esencial para el crecimiento económico de Colombia, la papa es el segundo producto con mayor participación en esta actividad, lo que impulsa este sector. Sin embargo, las enfermedades en las huertas de papa -como el tizón temprano y tardío (EB y LB)- se propagan con gran rapidez ocasionando pérdidas significativas, además de provocar impactos negativos en el medio ambiente y en la salud humana por el uso de los químicos para controlarlas. La detección temprana de estas enfermedades es fundamental para reducir su impacto. En este estudio, se desarrolló una aplicación Web para que los cultivadores puedan usarla y detectar si su cultivo tiene EB o LB. Esta aplicación utilizó el modelo de aprendizaje profundo (DL) VGG16_BN, el cual fue seleccionado partir de la métrica F1 entre siete modelos. Para mejorar la generalización del modelo se aumentaron los datos. Se realizaron pruebas prácticas en Zipaquirá, Ubaté y Tenjo, tres municipios de Colombia. Los resultados mostraron que los modelos tienen un alto porcentaje F1, 98% para la papa sana, 100% para el tizón temprano y 100% para el tizón tardío. Estos resultados sugieren que el DL puede ser una herramienta eficaz para la detección temprana de enfermedades en huertas. La aplicación de esta tecnología puede ayudar a reducir el uso de pesticidas y fertilizantes químicos, optimizar el uso de recursos hídricos y mejorar la sostenibilidad de la agricultura.
Uso de redes neuronales con arquitectura U-Net para limpieza de ruido en Imágenes de Resonancia Magnética
(Pontificia Universidad Javeriana) Osorio Luna, Gregorio Alfonso; Florez Valencia, Leonardo; Bustacara Medina, César Julio; Martinez Bernal, Óscar Danilo
Las imágenes de resonancia magnética (IRM) suelen presentar ruido que puede obstaculizar el diagnóstico médico preciso. Las arquitecturas U-Net han destacado por su eficacia en la reducción de ruido en imágenes a color. En este estudio, se han adaptado tres variantes de las arquitecturas U-Net para la eliminación de ruido en cortes 2D de imágenes de resonancia magnética. Los resultados, evaluados mediante las métricas PSNR y SSIM, confirman la efectividad de las redes U-Net en la limpieza de ruido en IRM, destacando la variante U-Net Residuals por su mejor desempeño. Los resultados también sugieren el potencial prometedor de las arquitecturas U-Net en comparación con los filtros de difusión anisotrópicos (ADF). No obstante, debido a la naturaleza no lineal de estas técnicas, se requiere una investigación exhaustiva para alcanzar conclusiones definitivas sobre este resultado.
Evaluando técnicas de aprendizaje en refuerzo profundo para realizar trading algorítmico aplicado en acciones de la bolsa de valores de Colombia.
(Pontificia Universidad Javeriana) Polanco Lozano, Arturo; Castellanos-Gamboa, Sergio; Pérez Sosa, Felipe Abelardo; Flórez Valencia, Leonardo
Esta investigación implementa técnicas de aprendizaje en refuerzo profundo aplicadas a acciones del mercado colombiano. Las compañías fueron elegidas usando el COLCAP, un índice que agrupa a 20 de las acciones más liquidas en la bolsa de valores de Colombia de las cuales se seleccionaron 3 en diferentes sectores, Ecopetrol del sector energético, Bancolombia del sector financiero y Argos del sector de la construcción. La información con frecuencia diaria del comportamiento de las acciones se extrae usando la API de Yahoo Finance, posteriormente se realiza una revisión del estado del arte para conocer que modelos de aprendizaje se están aplicando actualmente en la literatura en los cuales resaltan los tipos Actor- Critic. Finalmente se evalúan los modelos resultantes en un periodo de tiempo de 5 meses de longitud justo antes de la pandemia del COVID-19. A pesar de que los retornos son positivos los algoritmos tienden invertir todo su dinero de forma inmediata, lo que deja dudas sobre su posible funcionamiento en un mercado “Bearish” abriendo espacio a futuras investigaciones donde se pueden agregar mejoras tales como la inclusión de variados indicadores financieros que enriquezcan el entorno del agente de trading, variación del periodo de tiempo, la frecuencia de los precios de entrada y la especialización de diferentes agentes que puedan realizar las transacciones dependiendo de características específicas del mercado.
Adaptación de yolo versión 5 para la detección de vehículos en espacio 3D sobre imágenes monoculares
(Pontificia Universidad Javeriana) Caicedo Mera, Yesid; Parra Rodriguez, Carlos Alberto; Wilches Perez, Carlos Andres; Parra rodriguez, Carlos alberto; Wilches peréz, Carlos andrés; Gerlein Reyes, Eduardo Andres; Acosta Mejía, Juan Camilo
Este proyecto consistió en adaptar el modelo YOLO versión 5 para detectar y clasificar vehículos en un espacio tridimensional, y con esto, evaluar el riesgo de colisión trasera en Bogotá usando imágenes RGB de videos de vigilancia. El modelo YOLO versión 5 entrenado tuvo un mAP@50 de 91.8% y se usó para estimar la longitud de los vehículos utilizando la perspectiva, en particular, los puntos de fuga. Se dividió la región de interés (ROI) en tres zonas según estos puntos de fuga, lo que permitió calcular distancias aproximadas entre par de vehículos consecutivos. A partir de la información recopilada y los resultados obtenidos, se definieron categorías de riesgo de colisión y se ajustaron las reglas y funciones de pertenencia para reflejar la realidad considerando la normatividad del tránsito sobre la separación espacial entre vehículos en circulación. Entre los resultados, se consiguió un modelo con un desempeño satisfactorio y se da a conocer la metodología para pasar de detecciones en un espacio bidimensional a uno tridimensional. Además, se observó que los conductores no respetan en gran medida las distancias de seguridad sugeridas ya que el 95.5% de las distancias calculadas se clasificaron en riesgo alto y medio, lo que incrementa la posibilidad de accidentes viales en la ciudad.
Redes convolucionales clásico-cuánticas para la clasificación de imágenes.
(Pontificia Universidad Javeriana) Guerrero González, Andrés Felipe; Flórez Valencia, Leonardo; Gauthier Umaña, Cécile; Parra Rodríguez, Carlos Alberto
Las redes neuronales convolucionales cuánticas (QCNNs) combinan la potencia de la computación cuántica con las capacidades de aprendizaje profundo de las redes neuronales convolucionales tradicionales (CNNs). Las QCNNs traducen las capas de una CNN tradicional utilizando una serie de transformaciones unitarias de dos cúbits parametrizados para lograr el mismo objetivo que las capas tradicionales (determinar las relaciones entre las entradas para la capa de convolución y reducir la representación para la capa de agrupamiento). En este artículo, se fusionó una red neuronal clásica totalmente conectada con una QCNN creando una arquitectura clásico-cuántica para la clasificación binaria de imágenes. El desarrollo y la prueba de este modelo se implementaron utilizando la librería Qiskit de IBM, aprovechando su integración con pytorch. El modelo se utilizó en dos conjuntos de datos distintos. En primer lugar, se utilizó el conjunto de datos MNIST como referencia, donde la clasificación binaria (solo se utilizaron las clases 0 y 1) logró una precisión del 98% utilizando 100 muestras para el entrenamiento. Posteriormente, el modelo se evaluó en un conjunto de datos médicos, donde el objetivo principal era clasificar si un píxel en una imagen corresponde a piel humana o al fondo. Se destaca el excelente rendimiento del modelo, al diferenciar con éxito la piel humana del fondo en un conjunto de imágenes previamente no vistas. Al combinar enfoques clásicos y cuánticos, mostramos el potencial de las QCNNs como una solución viable para acelerar y mejorar la precisión de los modelos de aprendizaje automático. Los resultados obtenidos tanto en conjuntos de datos de referencia como en datos del mundo real muestran la promesa de las metodologías inspiradas en la computación cuántica para abordar desafíos computacionales modernos.
Clasificación y detección de tópicos en Twitter : caso de estudio elecciones presidenciales Colombia 2022.
(Pontificia Universidad Javeriana) Ramirez Gomez, Cesar; Moreno Sandoval, Luis Gabriel; Pajaro Hernadez, Juan Pablo; Puertas del Castillo, Edwin Alexander
En esta investigación, se lleva a cabo un análisis de las temáticas discutidas en Colombia en la red social Twitter durante el mes de junio de 2022. Para ello, se implementan dos estructuras concatenadas basadas en procesamiento de lenguaje natural. En la primera, se desarrollaron modelos supervisados aplicando técnicas de aprendizaje de máquina (Naive Bayes, regresión logística y XGBoost) y Transformers (BERT) con el fin de detectar temas globales, como política, economía y cultura. En cuanto a la segunda estructura, se emplearon modelos no supervisados para generar tópicos de temas utilizando la estructura BERTopic, ajustando los hiperparámetros del algoritmo UMAP y HDBSCAN. Los resultados experimentales del modelo supervisado arrojan una precisión del 0,81%, un Recall del 0,85% y un F1 Score de 0,872. Por otro lado, el modelo no supervisado BERT obtiene un rendimiento de 0,445 en CV y -1,03 en UMASS. Esta investigación demuestra la capacidad de analizar y comprender las opiniones expresadas en la sociedad digital, así como identificar y segmentar los temas más relevantes. Su aplicación abarca desde modelos predictivos de noticias hasta publicidad dirigida y análisis político.
Predicción de la deserción y empleabilidad en los semilleros de talento
(Pontificia Universidad Javeriana) Martelo Amaya, Jorge; Ladino Montenegro, Jair; Paz Castillo, Manuel; Moreno Barbosa, Andres Dario; García Díaz, Juan Carlos; Diaz Chaparro, Luis Carlos
El comportamiento del mercado laboral en Colombia presenta retos tanto para la oferta como para la demanda laboral. Según una encuesta realizada por ManpowerGroup, el 76% de los empleadores ha manifestado tener dificultades para cubrir puestos de trabajo. Dentro de las causas identificadas por la firma se resalta la falta de conexión entre las necesidades de las empresas y la formación actual del talento humano. Como respuesta a esta problemática, han surgido los semilleros de talento, los cuales buscan reducir la desconexión a través de una educación ágil, adaptada a las necesidades del sector productivo y complementaria a la educación tradicional. No obstante, factores como la deserción en los procesos de formación impactan negativamente las tasas de empleabilidad dentro de los semilleros. En este proyecto se describe la implementación de una Inteligencia Artificial (IA), compuesta por dos modelos capaces de predecir la empleabilidad y la deserción de los participantes de un semillero de talento. Como variables predictoras se utilizó principalmente información psicológica perteneciente a once dimensiones comportamentales. Para el entrenamiento de estos modelos se emplearon diferentes técnicas de aprendizaje de máquina evaluadas mediante la métrica F1-Score. Para el caso de la deserción, el modelo con mejor desempeño se basó en la técnica Light Gradient Boosting, que logró un desempeño del 66.7%. Para el caso de la empleabilidad, el mejor modelo se basó en la técnica Extreme Gradient Boosting, que logró un desempeño aproximado del 80%.
Desarrollo de una aplicación móvil para la detección de enfermedades en los frutos de cacao
(Pontificia Universidad Javeriana) Cano Ortega, Camilo; Pineda Molina, Juan; Parra Rodriguez, Carlos Parra; Marín Moreno, Norbey; Martínez Bernal, Oscar Danilo; Bustacara Medina, Cesar Julio
Esta investigación presenta un enfoque en la detección de enfermedades en las mazorcas de cacao utilizando redes neuronales por medio del transfer learning. El objetivo es desarrollar un sistema para la detección de enfermedades, que utiliza pesos preentrenados para la detección de las enfermedades de monoliosis, mazorca negra y la Lasiodiplodia a partir de un gran conjunto de datos de enfermedades de cacao. Para garantizar la escalabilidad y la accesibilidad, el modelo se desplego por medio de Docker en una máquina virtual de Google Cloud, enlace que funciona como backend para el modelo de detección de enfermedades, permitiendo la inferencia en tiempo real y una integración perfecta con la aplicación móvil. Para la interacción con el usuario, se diseña una aplicación móvil en Android Studio que consume el servicio con el modelo desplegado. Las imágenes capturadas se envían al modelo desplegado en la máquina virtual, donde la red neuronal realiza el análisis de detección de la enfermedad. Los resultados experimentales demuestran la eficacia para toda la enfermedad estudiada mayor al 91% en datos de evaluación. La integración del modelo con la aplicación móvil Android Studio permite a los usuarios acceder cómodamente a las funciones de detección de enfermedades en sus teléfonos inteligentes, lo que les permite tomar decisiones informadas para la gestión de los cultivos, lo que conduce a la mejora de los rendimientos y la sostenibilidad de la industria del cacao.
Clasificación de enfermedades en cultivos de papa empleando redes neuronales convolucionales
(Pontificia Universidad Javeriana) Cristiano Munoz, Gisell Natalia; Florez Valencia, Leonardo; Suárez Venegas, Daniel Ricardo; Martínez Bernal, Óscar Danilo
El sector agrícola desempeña un papel fundamental en la economía de Colombia, siendo crucial para el desarrollo rural y las cadenas de producción. Sin embargo, las enfermedades que afectan a las plantas representan una grave amenaza para la producción agrícola. En este trabajo, se propone una metodología en tres fases para el análisis y clasificación de enfermedades en plantas de papa a partir de imágenes recopiladas en escenarios reales, sin un fondo ni iluminación controlada. En la primera fase, se emplea fine-tuning para entrenar tres redes neuronales convolucionales (CNN) pre-entrenadas (VGG16, ResNet50 e InceptionV3) utilizando subimágenes de tamaño 224x224 obtenidas a partir de las imágenes originales. En la segunda fase, se utiliza la CNN con mejor desempeño para generar mapas de calor utilizando una ventana deslizante, resaltando así las regiones de interés relacionadas con las enfermedades en las imágenes originales. En la tercera fase, se emplea de nuevo fine-tuning para el entrenamiento de las tres CNN utilizando los mapas de calor generados, con el objetivo de obtener una clasificación final precisa de las enfermedades en las plantas de papa. Los resultados experimentales demuestran que este enfoque mejora significativamente la capacidad de detección y clasificación de enfermedades en comparación con el uso exclusivo de las imágenes originales. Estos hallazgos resaltan el potencial de la metodología propuesta para su aplicación práctica en la gestión de cultivos y la detección temprana de enfermedades en plantas de papa.
Detección de vivienda a través de imagenes satelitales
(Pontificia Universidad Javeriana) Suarez Triana, Jesús; Florez Valencia, Leonardo; Lopez Parra, Javier Francisco; Parra Acevedo, Carlos Andres
Este estudio investiga la aplicacio ́n de enfoques de redes neuronales en ima ́genes de sate ́lite para la deteccio ́n de viviendas. Para crear un entorno adecuado para la aplicacio ́n del mod- elo, la aplicacio ́n comprende la recopilacio ́n de datos, incluidos el muestreo y el etiquetado. Para la deteccio ́n de objetos, se utilizan dos te ́cnicas de redes neuronales, una red convolucional y una U- Net. Ambos modelos obtienen una precisio ́n del 70% cuando se evalu ́an mediante el ́ındice de Jaccard. Los resultados muestran que el modelo U-Net funciona mejor en la segmentacio ́n de zonas rurales y urbanas, aunque la identificacio ́n de calles y complejos de viviendas sigue siendo dif ́ıcil. Estos modelos proporcionan informacio ́n cuantitativa u ́til para la toma de decisiones en proyectos de vivienda, ayudando en los estudios de viabilidad y en el ana ́lisis de la distribucio ́n. En general, las redes neuronales resultan prom- etedoras en tareas de deteccio ́n y segmentacio ́n de objetos en ima ́genes de sate ́lite.
Modelo para la clasificación de árboles frutales mediante imágenes aéreas
(Pontificia Universidad Javeriana) Escobar Gomez, Valentina; Guevara Bernal, Diego Gustavo; López Parra, Javier Francisco; Bustacara Medina, Cesar Julio; Parra Rodriguez, Carlos Alberto
Las mediciones manuales y la inspección visual de árboles suele ser una práctica muy común entre agricultores, los cuales incurren en gastos de mano de obra y operaciones que consumen mucho tiempo para tener información del estado de sus cultivos en un momento determinado; teniendo en cuenta que un terreno de aproximadamente 1 hectárea (ha) puede llegar a tener hasta 1100 árboles sembrados; esto se convierte en una tarea muy difícil y el error humano en estos casos suele ser elevado. Para solucionar este tipo de problemas se hace énfasis en el uso de Redes Neuronales Convolucionales (CNN), sin embargo, estas por si solas no son lo suficientemente robustas para detectar características complejas en cualquier problemática. Por tanto, en este artículo se propone un modelo que apoya la actividad agrícola en la organización de sus labores. El procedimiento principal del modelo es la clasificación de árboles frutales (mango, cítrico y plátano) mediante imágenes aéreas tomadas con un dron (UAV) en contexto colombiano. La técnica utilizada en este procedimiento se conoce como Mask R-CNN, la cual permite realizar una segmentación automática de los árboles frutales.
Métodos de Mapeo de Distribuciones de Datos para Obtener Fronteras de Decisión
(Pontificia Universidad Javeriana) Quiroga Bernal, Juan; Sanchez Deantonio, Robinsson; Garcia Diaz, Leonardo; Caicedo Dorado, Alexander; Coba Puerto, Juan Eduardo; Alvarado Rojas, Catalina
En esta propuesta, se presenta un enfoque para muestrear puntos de datos fronterizos en conjuntos de datos, con el objetivo de hallar el vector óptimo para la creación de un hiperplano de separación. Postulamos que los datos ubicados en estas fronteras comparten características de ambas clases. Se describen y comparan algoritmos como Prototype Selection (PS), Local Sensitivity Hashing (LSH), K-Medoids y se propone el método R-BM, cada uno con sus características y sensibilidades únicas, destinados a mejorar la interpretación de los datos y optimizar la identificación de clases. Este trabajo proporciona un marco para seleccionar técnicas de mapeo de distribuciones de datos, contribuyendo a una mejor comprensión de las fronteras de decisión.
Modelo de inteligencia artificial para la estimación del intervalo RR y QT a partir de una imagen de un ECG de 12 derivaciones
(Pontificia Universidad Javeriana) Ladino Cortes, Andrés; Ortiz Reina, Jenny; Flórez Valencia, Leonardo; Moreno Barbosa, Andrés Dario; Corredor Franco, John Jairo
La medición del intervalo QT en cardiología, se usa como índice en la detección de arritmias ventriculares o como estimador del efecto de fármacos en tratamientos contra el cáncer. Esta medición tiene un comportamiento diferente en frecuencias cardiacas extremas (altas o bajas), por lo que es necesario realizar una corrección al QT (QTc). Existen diferentes fórmulas de corrección, cada una útil en tipos de patologías diferentes. La mayoría de los electrocardiógrafos vienen configurados para imprimir el resultado del ECG con la fórmula de corrección de Bazett, lo que obliga a los profesionales de salud en caso de requerir una fórmula diferente, a realizar el cálculo manualmente, siendo esto, susceptible a errores. Dado el contexto anterior, se plantea un modelo de inteligencia artificial capaz de extraer las características latentes de la señal presente en una fotografía de las derivaciones 2 y 5 de un electrocardiograma convencional, para así, estimar a través de un algoritmo de aprendizaje profundo los dos parámetros de cálculo para la corrección del QT; el intervalo RR y el QT. Se utilizó una muestra de 800 imágenes de 400 pacientes con ECG de diversas características. Los resultados arrojados en los más de 50 experimentos nos muestran un error cuadrático medio de 250 ms para el algoritmo de QT y 54 ms para el RR. Si bien los resultados en términos de métricas de desempeño mostraron una solución razonable por parte del modelo, no podemos afirmar que sea una estimación óptima para su aplicación en un entorno clínico.
Generación de modelos tridimensionales a partir de una nube de puntos capturada con un sensor Kinect
(Pontificia Universidad Javeriana) Comas Comas, Farith Mauricio; Flórez Valencia, Leonardo; Suarez Venegas, Daniel Ricardo; Diaz Chaparro, Luis Carlos
En este trabajo, se exploró el uso del sensor Kinect versión 2 junto con la librería libfreenect para acceder a datos de profundidad y color en tiempo real. Además, se implementaron algoritmos de registro para alinear diferentes nubes de puntos, lo que permitió generar una representación tridimensional aproximada del entorno capturado por el sensor. De igual forma, se aplicaron diferentes técnicas de reconstrucción de mallas, las cuales aprovecharon la información de profundidad y color proporcionada por el sensor para generar modelos tridimensionales con texturas realistas. Los resultados obtenidos muestran la utilidad de los algoritmos implementados en la generación de modelos tridimensionales a partir de la nube de puntos generada por el sensor Kinect, lo que puede tener aplicaciones en diversos campos, como la robótica y la realidad virtual.
Modelo de Inteligencia Artificial para predecir la posición de un objeto de búsqueda en las misiones de exploración y salvamento marítimo, en las que participa la Armada Nacional de Colombia
(Pontificia Universidad Javeriana) Neira Espitia, Edison Leonardo; Contreras Lopez, Juan; Flórez Valencia, Leonardo; Pavlich Mariscal, Jaime Andrés; Ramirez Cabrales, Fabian
Las labores de búsqueda y rescate en el mar se han convertido para la Armada Nacional de Colombia en una de las operaciones de gran relevancia para la institución y el país, esto debido al interés de salvaguardar la vida humana en el mar a través de recursos y medios de búsqueda disponibles, sin embargo, la Marina de Colombia sufre demoras significativas al momento de calcular la incertidumbre y la situación más probable (dátum) de los supervivientes, esto debido a la complejidad de los cálculos y la cantidad de datos involucrados (abatimiento, corrientes, vientos) en las hojas de trabajo sobre el dátum para calcular la deriva en el medio marino. Este proyecto tiene como objetivo implementar un modelo de inteligencia artificial que permita predecir la latitud y longitud del dátum probable a la izquierda y la latitud y longitud del dátum probable a la derecha, a su vez se busca aumentar la eficiencia, precisión y rapidez de las tareas involucradas, reduciendo el tiempo de respuesta y aumentando las posibilidades de éxito en las operaciones de búsqueda y salvamento marítimo, a través de técnicas de aprendizaje automático capaces de identificar patrones y tendencias en los incidentes.
Identificación de locutores a partir de segmentos vocálicos
(Pontificia Universidad Javeriana) Vargas Duran, Andres Gonzalo; Florez Lozano, Johana Maria; Vizcaya Guarin, Pedro; Calderon Bocanegra, Francisco; Rueda Olarte, Andrea del Pilar
En el presente estudio se propone un método de detección de locutores basado en segmentos vocálicos y transfer learning, empleando las redes VGGish y YAMNet. También se exploró la implementación de un sistema basado en X-Vector, el cual no dio buenos resultados con las muestras en las que se entrenó.También se implementó un sistema compacto para aislar segmentos vocálicos de grabaciones de audio. El corpus DIMEx100 sirvió como base de datos consistente para entrenamiento y Parselmouth demostró su eficacia para el análisis de audio y recolección de características acústicas. El transfer learning aplicado en las redes VGGish y YAMNet resultó efectivo, adaptándose a la tarea específica y logrando niveles significativos de precisión en la clasificación de vocales. Se observaron variaciones en la precisión según las vocales, con algunas superando el 98% y otras rondando el 94-95%. El sistema de clasificación usando Parselmouth y una red neuronal mostró efectividad con una precisión promedio de 89.81%. Los resultados confirman la aplicabilidad del transfer learningen la clasificación de locutores y segmentos vocálicos, abriendo nuevas líneas de investigación en el ámbito de la identificación de locutores en el idioma español.
Crowdlending en Colombia : análisis de un caso de relacionamiento entre pymes e inversionistas mediante clusterización
(Pontificia Universidad Javeriana) Giraldo Jaramillo, Camilo; Devia Becerra, Santiago; Ortiz Pabon, Efrain; Humberto Sierra, Jaime; Londoño Bedoya, David Andres; Martinez Bernal, Oscar Danilo
En Colombia, las pequeñas y medianas empresas (pymes) enfrentan barreras para lograr financiamiento dentro del mercado financiero tradicional; sin embargo, existen mecanismos alternativos de financiación, como el crowdlending, que ofrecen oportunidades para este tipo de empresas. Al ser mecanismos de financiación recientes, no son claras las variables que se pueden usar para hacer análisis como, por ejemplo, la relación que puede haber entre inversionistas y empresas dentro del contexto del crowdlending colombiano. Por este motivo, mediante clusterización aplicada a una base de datos de n=148 campañas financiadas y n=10.655 inversionistas, pertenecientes a la plataforma A2censo, se segmentó, caracterizó y se obtuvieron posibles variables de relacionamiento. Se identificaron tres (3) clústeres de empresas: empresas innovadoras sociales, empresas clásicas en expansión y empresas estables tradicionales, cuyas principales variables diferenciadoras fueron su presencia en redes sociales y sus resultados financieros. Por parte de los inversionistas, fueron identificados, a su vez, tres (3) segmentos: inversionistas diversificadores, inversionistas emergentes e inversionistas capitalizadores, que se diferencian principalmente por su edad, nivel de ingresos y sus motivaciones para invertir. De esta manera, se advierte que la relación entre inversionistas y empresas en Colombia, en el contexto del crowdlending, se da principalmente por motivaciones netamente financieras por parte de los inversionistas, quienes tienen en cuenta variables como el tipo de proyecto, la información financiera ex-ante de la empresa, presencia en redes sociales y las condiciones de financiación.
Evaluación de técnicas de IA para implementar estrategias proactivas de auto-escalado de contenedores
(Pontificia Universidad Javeriana) Figueredo Gonzalez, Bryan Leonardo; Curiel Huérfano, Mariela Josefina; Calderon Bocanegra, Francisco Carlos; Rueda Olarte, Andrea Del Pilar
Este trabajo busca evaluar técnicas para optimizar el uso de recursos informáticos en la nube mediante auto-escalado. El auto-escalado puede ser reactivo (respondiendo a las necesidades cuando éstas se presentan) o proactivo (anticipándose a las demandas futuras). El estudio propone modelos basados en técnicas de inteligencia artificial para prever la creación de nuevas entidades de cómputo bajo condiciones variables de carga. Los datos para el entrenamiento de los modelos se recolectaron midiendo el uso de la CPU y la memoria RAM a través de servicios web. La metodología incluyó limpieza de datos, análisis de correlación para seleccionar características relevantes y la evaluación de varios modelos de aprendizaje automático supervisado y no supervisado. Los modelos supervisados incluyeron regresión logística, random forest y redes neuronales; Como estrategia no supervisada se exploró el algoritmo de clustering K-Means. Los resultados mostraron que el aprendizaje automático puede utilizarse para anticipar y optimizar la capacidad de los sistemas informáticos, brindando una gestión proactiva de recursos de acuerdo con el análisis de resultado de las métricas de evaluación de los modelos.
Lectura consumo de contadores de gas natural mediante algoritmos OCR
(Pontificia Universidad Javeriana) Pinto Garay, Jaime Alexander; Peña Garay, Jhonny Fernando; Florez Valencia, Leonardo; Rueda Jiménez, Germán Camilo; Ortiz Pabón, Efrain
El presente trabajo tiene como objetivo principal optimizar el proceso de operación de una empresa prestadora de servicio de gas natural, el cual corresponde a la lectura de consumo en los medidores de gas ubicados en las viviendas, el cual debe ser realizado de forma manual por un operario observando las lecturas de los contadores de gas. Nuestra propuesta busca desarrollar un sistema capaz de extraer caracteres mediante la toma de imágenes utilizando tecnologías de cámaras digitales como las que se encuentran en los dispositivos móviles y aprovechando algoritmos de reconocimiento óptico de caracteres (OCR) e implementando métodos de binarización y etiquetado para optimizar los procesos en la abstracción y digitalización de las lecturas de los expedientes de los contadores de gas y esta información digitalizada puede ser manipulada y utilizada para tenerla disponible en una base de datos que permita la consulta de estos registros para procesos de facturación o cualquier proceso transversal de la organización.
Detección de fallas viales en la ciudad de Bogotá D.C.
(Pontificia Universidad Javeriana) Rubiano Venegas, David Andres; Calderon Bocanegra, Francisco Carlos; Rubiano Venegas, David Andres; Florez Valencia, Carlos Alberto
La detección manual de fallas viales en las vías de una ciudad puede ser un proceso largo y costoso, especialmente en una ciudad como Bogotá que cuenta con una extensa red vial. El uso de técnicas de procesamiento de imágenes e inteligencia artificial puede resultar altamente beneficioso, en tanto que estas pueden brindar una solución más eficiente, precisa y objetiva en la detección y localización de fallas viales. En este sentido, el uso de estas técnicas puede tener un efecto positivo en la planificación del mantenimiento de las vías, lo que a su vez puede mejorar tanto el flujo vehicular como la seguridad en las carreteras. En este trabajo, se implementan técnicas de aprendizaje profundo mediante redes neuronales, con el fin de analizar grabaciones de video tomadas desde un vehículo particular y desde las rutas de algunos buses de Transmilenio S.A. El uso de estas técnicas permitió lograr una detección y ubicación más rápida y precisa de las fallas viales de la ciudad de Bogotá
Estimación de odometria visual a partir de secuencias de imágenes monoculares usando métodos de aprendizaje profundo no supervisado
(Pontificia Universidad Javeriana) Soto Rios, Juan Nicolas; Parra Rodriguez, Carlos Alberto; Gerlein Reyes, Eduardo Andrés
— La determinación de la odometría es clave para que un robot pueda localizarse en el mundo, convirtiéndose en un componente de suma importancia principalmente para la tarea de navegación en robots móviles. También son usados como parte activa de modelos de SLAM para la determinación de la localización del robot. La odometría y posterior localización se ha explorado usando encoders, IMUs, odometría visual, GPS, radares, Lidars, métodos con faros (beacons) y combinaciones de estos. Cada una de estas aproximaciones tiene diferentes limitaciones y ventajas. Por ejemplo, los encoders solo aplican a robots con ruedas y son proclives a errores por deslizamiento. Por otro lado, los sensores Lidar se desempeñan muy bien en diferentes ambientes, pero su costo es relativamente alto comparado con las demás tecnologías mencionadas. El presente trabajo presenta un modelo No Supervisado para la determinación de la odometria de un robot usando secuencias de imágenes monoculares. Para ello, se desarrolló una red convolucional que procesa parejas de imágenes consecutivas, entregando la traslación y rotación relativas entre las dos imágenes. Usando el vector de posición que entrega el modelo y el mapa de profundidad de la imagen It obtenido usando un modelo preentrenado se sintetizó la imagen I’t+1 y comparando esta imagen generada con la imagen It+1 original se calculó el error que fue usado durante la fase de entrenamiento del modelo.
Sistema para la medición de dimensiones de cajas a partir de imágenes monoculares
(Pontificia Universidad Javeriana) Mendoza Galindo, Diego Alejandro; Parra Rodriguez, Carlos Alberto; Mondragón Bernal, Iván Fernando; Acosta Mejia, Juan Camilo
La detección de objetos es una técnica de visión por computadora que permite localizar objetos en fotografías o videos digitales. A diferencia de la clasificación de objetos, la detección no solo permite saber si el objeto pertenece a una clase, además, permite identificar la posición del objeto dentro de la escena. Para determinar la posición, la detección de objetos encierra el objeto u objetos con un cuadro delimitador, para esto, muchos algoritmos de detección de objetos usan la regresión de caja envolvente. Este tipo de regresión usa redes neuronales entrenadas sobre un conjunto de imágenes etiquetadas con la posición de los objetos a identificar, a partir de esta información, la red neuronal entrenada es capaz de identificar el objeto y la posición dentro de la imagen. Además de la detección del objeto, existe información implícita dentro del proceso de delimitación de los objetos con cuadros envolventes como el tamaño aproximado del objeto en la imagen a partir del cuadro que lo encierra. En este artículo, se propone una técnica para calcular las dimensiones aproximadas de objetos (cajas), a partir de la identificación de dichos objetos en imágenes monoculares usando regresión de caja envolvente.
Desarrollo de un algoritmo para análisis biomecánico en natación
(Pontificia Universidad Javeriana) Ramos Maldonado, Laura Juliana; Florez Valencia, Leonardo; Suárez Venegas, Daniel Ricardo; Parra Rodríguez, Carlos Alberto; Sandoval Escobar, Francisco
En el presente trabajo se desarrolló un algoritmo que empleando técnicas de inteligencia artificial permite la captura de movimiento en el medio acuático, sin necesidad de utilizar marcadores, ofreciendo la precisión necesaria para un adecuado análisis de gesto deportivo en natación sin interferir con el movimiento del nadador y reduciendo las pérdidas de información causadas por el ocultamiento de los marcadores. Para cumplir con el objetivo del proyecto se implementó un protocolo de adquisición de videos del gesto técnico en nadadores profesionales, mediante el uso de 3 cámaras ubicadas a los costados y en frente. Después fueron procesados y por medio de machine learning se logró identificar puntos de referencia en el cuerpo de los diferentes nadadores. Posteriormente, se empleó la información postural del nadador para extraer variables cinemáticas como el ángulo de la articulación del codo y el de la rodilla. Finalmente, la validación del algoritmo se realizó por medio del software y ocho cámaras de captura de movimiento VICON y comparando los resultados capturados por ambas herramientas durante una prueba simulada en un laboratorio de captura de movimiento. Los resultados destacan una buena precisión y viabilidad para poder ser implementado.
Reconocimiento de tablas en documentos fiscales colombianos, un enfoque no supervisado
(Pontificia Universidad Javeriana) Duque Lozano, Daniel; Palacio, Julio; Palacio Niño, Julio Omar; Calderon, Francisco; Rueda, Andrea
El reconocimiento de tablas en documentos públicos es una herramienta para extraer información de formatos no estructurados. En este documento mostramos un algoritmo que combina algunas de las herramientas más recientes para encontrar tablas, delimitarlas, encontrar las estructuras dentro de ellas y extraer la información del texto que allí se encuentra de forma que sea procesable por computación.
Minería de opinión basada en aspectos: Un análisis comparativo de opiniones de estudiantes de educación superior en Colombia antes y después del COVID-19
(Pontificia Universidad Javeriana) Barbosa Trujillo, Gabriela; Moreno Barbosa, Andrés Dario; Palacio Niño, Julio Omar; Manrique, Ruben Francisco
Durante los dos últimos años modalidad remota ha tomado un lugar importante en la educación superior en Colombia, especialmente durante la pandemia generada por el COVID-19. Apoyados en los modelos de Inteligencia Artificial, se pueden automatizar los procesos de minería de opinión de diferentes tipos de comentarios. Es por ello que el propósito de este trabajo es caracterizar las opiniones de los estudiantes mediante la identificación de aspectos dentro del entorno académico, de tal manera que permita reconocer las falencias en la implementación de los mismos en el marco del desarrollo de los cursos bajo la modalidad remota y de esta manera realizar las mejoras pertinentes. Primero se realiza el proceso de clasificación de texto, identificando cada uno de los aspectos en los comentarios mediante el uso de BERT, para posteriormente llevar a cabo un análisis de sentimiento basado en aspectos utilizando PySentimiento, una herramienta de análisis de sentimientos en español. Finalmente se hace un análisis comparativo y descriptivo mediante el Modelado de Tópico a través BERTopic, en tiempos prepandemia y así distinguir los cambios entre estas dos épocas.
Minería de texto aplicado en preguntas abiertas sobre evaluación docente: Enfoque de modelado de tópicos con LDA
(Pontificia Universidad Javeriana) Caballero Villalobos, Juanita; Enciso Agudelo, Jorge Eduardo; Moreno Barbosa, Andrés Dario; Pajaro Hernández, Juan Pablo; Martinez Bernal, Oscar Camilo
La retroalimentación de los estudiantes es una de las fuentes más relevantes para evaluar la calidad del curso y realizar mejoras en base a los comentarios que los estudiantes hacen sobre las clases. Se demuestra que la opinión de los estudiantes influye en la superación constante de los instructores que imparten los cursos. Por lo general, estas encuestas contienen preguntas de escala Likert y preguntas abiertas. Sin embargo, los coordinadores académicos suelen centrarse en las respuestas cuantitativas y rara vez leen las respuestas abiertas. Para resolver este problema, el estudio actual analiza la retroalimentación de los estudiantes y sintetiza los datos usando técnicas de Lenguaje de Procesamiento Natural (NLP) como modelado de temas y análisis de emociones, para diagnosticar y evaluar el punto de vista de los estudiantes. La fuente de esta investigación es la retroalimentación de los estudiantes de los cursos de una universidad colombiana ubicada en Bogotá en el primer período de 2022. Adicionalmente, se utilizó la metodología CRISP DM para abordar la solución para obtener modelos adaptativos al contexto de las encuestas a los estudiantes. Esta investigación muestra que utilizando modelos como Latent Dirichlet Allocation (LDA) se puede sintetizar la información del texto para obtener clusters de palabras para complementar y obtener diferentes aspectos que no fueron medidos en las respuestas cuantitativas como la capacidad de relacionarse con los estudiantes de diferentes maneras en lugar de ser solo profesor y alumno o mostrar y comunicar los conocimientos necesarios para dictar un curso.
Modelo basado en inteligencia artificial para la gestión de excepciones en el sector hidrocarburos
(Pontificia Universidad Javeriana) Castro Aguilar, Paula Andrea; Palacio Niño, Julio Omar; García Díaz, Juan Carlos; Moreno Barbosa, Andrés Dario
La productividad que se logra en el sector de hidrocarburos no es solo el resultado del valor de venta del producto final, también las pérdidas o ganancias en torno a los procesos de operación influyen considerablemente. El monitoreo del proceso que va desde la extracción, el transporte, el procesamiento de producto, y la comercialización, es muy importante. Este seguimiento se realiza por medio de tecnologías que remotamente envían información del estado de los equipos a un software en forma de banderas o excepciones, dicha información es analizada y gestionada por el personal, sin embargo, es una labor complicada debido a la cantidad y a la complejidad de su solución la cual está sujeta a la experiencia del analista. Por lo anterior, y por la criticidad de esta labor, el presente trabajo busca apoyar la clasificación eficiente de excepciones, para ello se toman comentarios que han sido establecidos en la gestión previa por expertos y recopilados en una base de datos. Mediante la implementación de un modelo de Procesamiento del Lenguaje Natural (PLN) se crea una base de conocimiento con datos estructurados que enriquecen el vector de características para posteriormente ejecutar un modelo de Inteligencia Artificial (IA) que clasificará las excepciones reincidentes para categorizarlas y gestionarlas de acuerdo con el comportamiento de la operación, permitiendo que el personal se centre en excepciones nuevas o que requieren un tratamiento particular.
Optimización de inversión en plataformas de créditos P2P
(Pontificia Universidad Javeriana) Marengo Orozco, Juan Mario; Caballero Villalobos, Juan Pablo; Roldán Nariño, Raúl Fabián; Ortiz Pabon, Efrain
Las plataformas de préstamos de persona a persona como Lending Club y Prosper se han consolidado como una alternativa importante para las personas que necesitan adquirir un crédito de forma rápida y a tasas de interés competitivas. Igualmente, para los prestamistas es una forma de invertir su dinero esperando retornos más altos que los de un bono corporativo o un certificado de depósito a término fijo. Sin embargo, estudios han demostrado que las calificaciones crediticias que entregan estas plataformas son las que ofrecen los tradicionales burós de crédito cuyos scores están hechos para la banca pública y no para este nuevo esquema de préstamos. Esto hace que quien quiera invertir en dar préstamos a personas, se exponga a un riesgo no calculado correctamente. En este trabajo se presenta un método para crear una inversión en un portafolio de créditos disponibles en plataformas P2P basado en Machine Learning y Optimización de Portafolio. Se demuestra que se puede predecir la rentabilidad esperada y el riesgo asociado al portafolio escogido, dándole a los inversionistas herramientas para invertir de acuerdo a su perfil de riesgo.
Modelos de aprendizaje automático para la predicción de la progresión de la enfermedad renal crónica
(Pontificia Universidad Javeriana) Amador Martinez, William David; Florez Valencia, Leonardo; Flórez Valencia, Leonardo; Bustacara Medina, Cesar Julio; Palacio Niño, Julio Omar
Los modelos predictivos basados en técnicas de inteligencia artificial han evidenciado su capacidad de establecer predicciones del riesgo de diferentes patologías asociadas a variables clínicas con el fin de generar sistemas que faciliten la toma de decisiones médicas. Debido a que muchos de estos modelos de predicción no generan buenos resultados cuando faltan valores predictores, muchas veces no se pueden detectar de manera temprana la progresión de las enfermedades. El propósito de esta investigación es la implementación de un CDSS basado en métodos de imputación de datos para entrenar modelos de aprendizaje automático que permita la predicción de la TFG en un periodo de 2 años con intervalos de 6 meses. La metodología se dividirá en dos etapas(i) la preparación de los datos conformada por 482 pacientes con ERC en estadios 1 a 4 en un periodo mayor de 2 años de seguimiento en el programa, donde se realiza la limpieza filtrado e imputación de las variables seleccionadas para alimentar los modelos (ii) implementación de un modelo de predicción en el tiempo y evaluación métricas error MAE average en las diferentes configuraciones de los hiperparámetro de los modelos. Entre los enfoques evaluados las Redes Neuronales Convolucionales (CNN) se desempeñó mejor con un conjunto de testeo y validación con dos arquitecturas diferentes para una para los periodos de 6ª 12 y otra de 18 a 24 con un MAE 5.48, 6.46, 6.76, 6.53 para los períodos respectivamente en los datos de validación.
Etiquetado de emociones a partir de videos en ambientes de formación virtual
(Pontificia Universidad Javeriana) Barbosa Sierra, Sergio Andres; Forero Iriarte, Christian Camilo; Florez Valencia, Leonardo; Florez Valencia, Leonardo; Moreno Barbosa, Andres Dario; Diaz Chaparro, Luis Carlos
En el contexto del progresivo aumento del modelo de educación virtual, es importante considerar la relevancia que toma la retroalimentación emocional y la interacción del docente con el alumno en tiempo real, con el propósito de conocer el estado de las emociones de sus alumnos y plantearse estrategias de aprendizaje que aumenten el nivel de atención. La literatura contiene diferentes técnicas para la detección sistemática de los estados afectivos, la mayoría de ellas costosas tanto en términos de aspectos computacionales como económicos. En un entorno de aprendizaje virtual, este trabajo propone un modelo de clasificación de emociones basado en Redes Neuronales Convolucionales para la extracción de características y una red profunda de Aprendizaje por Refuerzo mediante Q-learning.
Sistema de identificación de personas utilizando tapabocas
(Pontificia Universidad Javeriana) Muñoz Florez, Luis Miguel Andres Krudolpph; Florez Valencia, Leonardo; Moreno Barbosa, Andres Dario; Martínez Bernal, Oscar Danilo
La epidemia global COVID-19 se propaga principalmente de persona a persona a través de transmisión aérea, por lo cual, varios países han tomado la política del uso obligatorio del tapabocas para prevenir la difusión del virus; lo que afecta la eficiencia de los métodos convencionales de identificación facial en diferentes casos como: sistemas de vigilancia, de control de acceso, de asistencia facial, etc. Esto representa un gran reto ya que se evidencia la urgencia de mejoras en los sistemas de identificación existentes. En el presente documento se presenta el desarrollo del Sistema de Identificación de Personas Utilizando Tapabocas. El desarrollo del proyecto se mostrará por medio de un marco teórico, en el cual se evidencian los fundamentos teóricos empleados, descripción de métodos, técnicas y algoritmos utilizados para la identificación de personas. Finalmente se definirá un protocolo de pruebas en el que se validará la solución propuesta y se realizará un análisis de resultados que llevará a las conclusiones y recomendaciones obtenidas durante el desarrollo del proyecto.

Examinar

Envíos recientes