Browsing by Author "Martínez Varsi, Nicolás"

Now showing 1 - 5 of 5
  • Thumbnail Image
    Item
    Chatbot con inteligencia artificial generativa para asistir a vendedores
    (Universidad ORT Uruguay, 2025) Blanco Djamgochian, Nicolás; Barbitta Martínez, Ana Lorena; Barreira Marichal, Carmen Silvana; Bianchi, Alejandro; Martínez Varsi, Nicolás; Mora Riquelme, Hugo Andrés
    El objetivo de este trabajo fian fue diseñar e implementar un sistema de recomendaciones basado en inteligencia artificial generativa (IAG), orientado a asistir al equipo comercial de la empresa Bilpa en la selección de cintas transportadoras industriales. La solución integra técnicas de procesamiento de lenguaje natural (NLP), modelos de “embeddings” y el enfoque de Recuperación y Generación Aumentada (RAG), combinando fuentes de información estructuradas y no estructuradas, como datos de un ERP, fichas técnicas en PDF y audios de entrevistas a expertos transcriptas a formato digital. El sistema permite interpretar consultas técnicas formuladas en lenguaje natural y entregar respuestas contextualizadas, precisas y alineadas con las necesidades del cliente. Se aplicaron técnicas de normalización semántica, OCR y mapeo de códigos internos con el objetivo de mejorar la precisión de búsqueda y la trazabilidad de las recomendaciones.La implementación se llevó a cabo utilizando LLM (Mistral y LLaMA), integrados mediante una API desarrollada en python y FastAPI, con almacenamiento vectorial en Pinecone y gestión de conversaciones en MongoDB. Los resultados obtenidos durante las pruebas de validación reflejan un alto grado de aceptación por parte del equipo comercial, destacando su utilidad en contextos reales de venta y su potencial para optimizar tiempos de respuesta, fortalecer el conocimiento técnico del equipo y mejorar la experiencia del cliente. Este trabajo demuestra la viabilidad de aplicar tecnologías avanzadas de IA en entornos industriales específicos, contribuyendo a la transformación digital de los procesos comerciales.
  • Thumbnail Image
    Item
    Comparison of LSTM and Transformer Neural Network on multiple approaches for weblogs attack detection
    (Universidad ORT Uruguay, 2022) Martínez Varsi, Nicolás; Yovine, Sergio Fabián; Thao Dang; Mayr Ojeda, Franz
    El siguiente desarrollo de tesis presenta la discusión y comparación de diferentes enfoques y redes neuronales para la clasificación de secuencias, en el contexto de detección de ataques en servicios web. El primer enfoque para la detección de ataques con clasificación de logs, es crear modelos de clasificación basados en caracteres. El segundo enfoque crea modelos de lenguaje que predicen la probabilidad del siguiente carácter en una secuencia, que en conjunto con una técnica de cálculo de umbrales para las probabilidades, clasifican los logs para detectar ataques. Ambos enfoques fueron trabajados con redes neuronales de tipo LSTM, así como también con redes neuronales Transformer. Las redes Transformer han tenido buenos resultados en sistemas de traducción de máquina y en problemas similares en cuanto a procesamiento de lenguaje natural, pero no ha sido explorado su uso en detección de ataques en base a logs. Para presentar las comparaciones de enfoques y redes neuronales, se realizó un análisis del estado del arte, de los enfoques a aplicar y se realizaron múltiples experimentos. Estos experimentos implicaron el desarrollo de códigos para el análisis, transformación y preparación de los “data sets”, así como el entrenamiento y evaluación de los modelos y clasificaciones. Finalmente se plantean conclusiones sobre el uso de cada enfoque y red neuronal, así como el planteo de futuros trabajos que puedan mejorar y responder cuestiones encontradas en el proyecto.
  • Thumbnail Image
    Item
    Diseño de una Arquitectura de Software orientada a la Internet de las Cosas a partir de un Modelo Arquitectónico de Referencia
    (Universidad ORT Uruguay, 2017) Martínez Varsi, Nicolás; Piffaretti Correa, Carlos Gabriel; Mousques Anaya, Gastón Antonio; Fornaro Rosado, Carlos Nicolás; Solari Buela, Martín
    La tesis plantea una discusión del estado del arte sobre Internet de las Cosas, presentando en buena forma los principales conceptos y desafíos del área. También se discuten conceptos relacionados al diseño arquitectónico de software y su intersección con dicha área. Se analiza y describe un modelo de arquitectura de referencia para Internet de las Cosas (ARM) denominado IoT-A, que luego es utilizado como base para derivar una arquitectura de software en un contexto de aplicación concreto: un sistema de supermercados accesible para ciegos.
  • Thumbnail Image
    Item
    Mejora del tiempo de ejecución de algoritmos de inferencia regular
    (Universidad ORT Uruguay, 2021) Rodríguez Reche, Alejandro; Mayr Ojeda, Franz; Yovine, Sergio Fabián; Lifschitz, Sergio; Martínez Varsi, Nicolás
    El siguiente proyecto presenta una mejora sobre el algoritmo de machine learning L* de Angluin, con el objetivo de mejorar los tiempos de ejecución. Para lograrlo se estudian otras variantes, como L*Col de Oded Maler y Amir Pnueli, así como la variante Bounded-L* propuesta para redes neuronales. Como resultado, se propone un algoritmo cuyos tiempos de ejecución en los casos de referencia de redes demuestran ser consistentemente mejores que los de Bounded-L* para casos de estudio relevantes. Se realiza un estudio sobre tecnologías de paralelización, distribución y optimización de código Python, en pos de evaluar técnicas candidatas para su aplicación en este algoritmo dentro del framework utilizado.
  • Thumbnail Image
    Item
    ¿Qué comemos? : ChefGuru, asistente integral de cocina y recomendaciones personalizadas de recetas
    (Universidad ORT Uruguay, 2018) Casarotti Señaris, Angelo; Lucini Echazarreta, Pablo Andrés; Martínez Varsi, Nicolás; Olloniego Rocca, Juan Andrés; Piffaretti Correa, Carlos Gabriel; Valle Dubé, Ignacio; Braberman, Victor Adrian; Urroz Marizcurrena, Matías
    ¿Qué comemos? es una de las preguntas más comunes que se hacen las familias uruguayas y del mundo. ChefGuru, es una solución a esta problemática. Apoya a los usuarios durante todo el ciclo de cocinado; desde el proceso de elección de una receta, hasta su final realización. ChefGuru brinda a los usuarios una aplicación móvil en la que, luego de haber configurado su perfil nutricional, estos pueden recibir sugerencias personalizadas de recetas. Las mismas se basan en las características de cada usuario, por lo que respetan sus dietas, gustos particulares y sus habilidades culinarias. Además, brinda sugerencias que se van perfeccionando a medida que cada usuario la utiliza, existiendo una mejora continua de la experiencia del usuario. El sistema se basa en una arquitectura orientada a microservicios, siendo sus principales componentes un servicio encargado de la administración de información de usuarios y recetas, un servicio de autenticación utilizando Google Firebase Authentication y un servicio responsable de las recomendaciones. Además, la arquitectura se basa en la contenerización y orquestación de los servicios con Docker y Kubernetes , aspecto clave desde el desarrollo al despliegue del sistema. Esto permitió al equipo buscar en todo momento alcanzar las mejores prácticas de DevOps que permitieron alcanzar un proceso y producto de alta calidad. El sistema de recomendaciones es resultado de la elaboración y ejecución de un roadmap en el cual fue evolucionando, en complejidad y efectividad, poniendo en práctica diferentes técnicas de machine learning. Para la gestión del proyecto, se utilizó como proceso de ingeniería de software Scrum como metodología ́ágil, ya que otorga la capacidad de realizar pequeñas iteraciones y brindar al equipo la versatilidad necesaria para poder variar el curso de acción tomado y de ver resultados de una manera más eficaz y eficiente.