Browsing by Author "Young Mendiola, Federico Manuel"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Diseño y construcción de un sistema biológico, hidropónico y autónomo basado en inteligencia artificial
    (Universidad ORT Uruguay, 2022) Würth Castelli, Mateus; Yovine, Sergio Fabián; Mayr Ojeda, Franz; Umpiérrez Failache, Mariana; Bergerz, Marcos; Young Mendiola, Federico Manuel
    El siguiente proyecto presenta el diseño y construcción de un sistema de inteligencia artificial basado en la integración de sensores y actuadores electrónicos con el objetivo de aprender modelos predictivos capaces de determinar las mejores acciones para controlar el cultivo por hidroponía en función de un objetivo definido (variables como calidad del agua, del aire, entre otros). Estos sensores nutren con datos a los algoritmos de aprendizaje automático reforzado. Se diseñaron e imprimieron más de 20 piezas 3D, que garantizan las funcionalidades básicas del mismo. Para el ambiente se creó un prototipo de mueble con sensores de temperatura y humedad, sensores de nutrientes, sistemas de refrigeración y caloventiladores. Por otro lado se desarrolló un agente de reflejo simple, el cual a través de un sistema de reglas convencional logra gestionar gran parte de los actuadores del sistema. Este agente se puso a prueba con plantines de lechuga y esquejes de albahaca, obteniendo buenos resultados, pudiéndose observar un notorio crecimiento de ambas especies de plantas. Por último, se desarrolló un algoritmo de Inteligencia Artificial utilizando como referencia el algoritmo Q-Learning, con el objetivo de optimizar y gestionar la temperatura del ambiente, interactuando directamente con el ambiente y optimizándola por consumo. En este último caso, se optó por modelar el ambiente matemáticamente y realizar las pruebas de entrenamiento contra el modelo. Se pudo observar cómo reduciendo los tiempos de ejecución, dicho algoritmo aprendió políticas óptimas para el control de la temperatura incluyendo más de la mitad de la ejecución de acciones que minimizaban el consumo.
  • Thumbnail Image
    Item
    Investigación e implementación de sistemas de recomendación para e-commerce de ropa
    (Universidad ORT Uruguay, 2021) Rytt Duek, Alan Raphael; Rodríguez Velázquez, Gonzalo Hernán; Young Mendiola, Federico Manuel; Quintana Izzi, Alexis Franklin; López, Fernando; Laborde, Sebastián; Yovine, Sergio Fabián
    El siguiente trabajo final presenta una investigación sobre los sistemas de recomendación en el comercio electrónico (e-commerce) del rubro vestimenta. Estos sistemas tienen como objetivo mejorar la experiencia de los usuarios al brindar un contenido personalizado en función de los intereses y análisis de patrones de comportamiento, permitiendo mediante ello un aumento de la tasa de conversión. Los avances en inteligencia artificial y aprendizaje automático han permitido la adaptabilidad de estos sistemas a cualquier ecosistema electrónico. En este trabajo se estudia el estado del arte desde varios enfoques: filtrado colaborativo, filtrado basado en contenido y sistemas híbridos. Se plantea como objetivo obtener la cantidad de recomendaciones más relevantes y personalizadas de prendas por usuario. Dentro de este marco se realizó la experimentación de varios algoritmos, se explica el funcionamiento de cada uno, sus ventajas y desventajas. Entre los algoritmos que se trabajaron se encuentran: “Market-basket”, contenido basado en NLP (natural language processing), contenido basado en atributos, KNN (k-nearest neighbors), matriz de similitud, basados en factorización matricial y diferentes variantes de sistemas híbridos. Para medir el rendimiento se utilizó F1 y Mar@k (Mean Average Recall at K). Esta última métrica tiene la particularidad de contemplar el orden de relevancia de los productos recomendados según la preferencia predicha para el usuario. El mejor resultado fue obtenido con el modelo “Switching hybrid” el cual mejoró un 15% sobre el valor inicial planteado. En líneas generales, los algoritmos basados en contenido mostraron una mejor performance que los colaborativos. Adicionalmente, se logró una leve mejora en los algoritmos de contenido con la implementación de los motores híbridos.  
  • Thumbnail Image
    Item
    Press Unbiased
    (Universidad ORT Uruguay, 2024) Pereira Garbayo, Gerardo Julio; Cerrutti Olmedo, Mauricio Damián; Visca Zanoni, Ramiro Eugenio; Pisani Leal, Mikaela; Espinosa, Marcelo; Young Mendiola, Federico Manuel
    El presente trabajo final aborda la problemática de sesgo de género en la cobertura mediática y cómo los medios de comunicación inciden en la construcción de la percepción pública siendo un vehículo para perpetuar estereotipos y sesgos de género. A continuación se presenta el concepto de los Modelos de Lenguaje de Gran Tamaño y su potencial aplicación en el análisis de noticias de sesgo de género. Se exponen los desafíos y estrategias de mitigación. La utilización de un enfoque iterativo incremental a lo largo de las investigaciones que involucran: el proceso de consolidación de reglas de sesgo a partir de las publicaciones actuales, la evolución de prompts para la reescritura de noticias utilizando como base la lista de reglas de sesgo, la creación de una lista inédita para la identificación de sesgo así como el correspondiente refinamiento del prompt, la evaluación y comparación de la capacidad de identificación de sesgo (sin la facilitación de una lista de soporte) entre los modelos seleccionados así como la definición de una lista con frases con sesgo a partir del conocimiento presente en los modelos LLMs.