Trabajos finales de carrera de postgrado

Permanent URI for this collection

https://rad.ort.edu.uy/handle/20.500.11968/2714

Estos trabajos de fin de carrera son obras producidas por estudiantes, que se originan en los procesos formativos de la universidad.

Tienen propósitos culturales y educativos. No son productos comerciales y su difusión pública no está autorizada.

Now showing 1 - 5 of 61

Estudio de cumplimiento ambiental aumentado por LLM y RAG
(Universidad ORT Uruguay, 2024) Chicatun, Mariano Ezequiel; Fabián Yovine, Sergio; Adrian Braberman, Victor; Visca Zanoni, Ramiro Eugenio
El objetivo de este trabajo final es optimizar la validación del cumplimiento ambiental en grandes empresas de sectores como minería, petróleo, alimentación y papeleras, ya que el cumplimiento de leyes y estándares ambientales para estas industrias demandan mucho tiempo. Se utilizan técnicas de Inteligencia Artificial y Machine Learning para agilizar y mejorar este proceso. Se exploran técnicas avanzadas de Generación Aumentada por Recuperación (RAG), incluyendo variantes como Graph RAG y Hybrid RAG, y esquemas multiagente secuenciales y jerárquicos. para abordar problemas complejos relacionados con datos textuales no estructurados. Para implementar estos agentes, se utilizan frameworks como Langchain, LlamaIndex y LangGraph. Se utiliza Graph RAG ya que está ganando relevancia en aplicaciones prácticas y científicas, utilizando grafos para vincular información relevante y nodos de resumen que sintetizan temas similares, permitiendo responder preguntas generales y holísticas sobre los documentos. Se diseña una Prueba de Concepto (PoC) basada en una arquitectura de microservicios con tres componentes principales: un constructor de grafos, un generador de preguntas, y un sistema de QA (Question Answering). Estos componentes son modulares y pueden modificarse, mejorarse, escalarse y ejecutarse de manera independiente, lo que facilita el desacoplamiento del sistema. El constructor de grafos procesa la documentación normativa del proyecto y extrae los requisitos necesarios para garantizar el cumplimiento ambiental. El proceso de generación de preguntas, inspirado en el concepto de Chain-of- Questions, genera preguntas que cubren exhaustivamente el conjunto de datos para minimizar y acotar el espacio de búsqueda dentro de la documentación del proyecto en estudio. Finalmente, el sistema de QA genera respuestas basadas en estas preguntas, utilizando la documentación del proyecto en evaluación para determinar el cumplimiento ambiental.
Experiencia de usuario a partir de grabación de video usando Computer Vision
(Universidad ORT Uruguay, 2024) Mandirola Ulrich, Marcelo Pablo; Santos Rosales, Pío Danilo dos; Patrón Rizzo, Héctor Leandro; Olloniego Rocca, Juan Andrés; Visca Zanoni, Ramiro Eugenio; Cecilia Delgado, Leonardo Raúl
En la era digital actual, el creciente uso de aplicaciones móviles presenta un desafío considerable en términos de análisis y comprensión de interacciones humano-dispositivo. Esta tesis se enfoca en dos aspectos cruciales de este análisis: la detección de acciones en videos de interacciones y la agrupación de pantallas en conjuntos semánticamente similares. Para abordar estos desafíos, se emplean técnicas avanzadas de procesamiento de imágenes y aprendizaje profundo. Por un lado, se utilizan redes convolucionales 2D y 3D para detectar acciones especificas con precisión. Por otro lado, se propone un enfoque innovador que combina clustering sobre modelos de clasificación de imágenes, de detección de componentes y de traducción de imagen a texto para agrupar los frames de video en conjuntos que compartan características visuales y semánticas similares. Estas contribuciones tienen el potencial de impulsar avances significativos en campos como la inteligencia artificial y la visión por computadora, así como mejorar la comprensión de las interacciones usuario-dispositivo en entornos móviles.
Predicción de Precios en Airbnb
(Universidad ORT Uruguay, 2024) Cuitiño Rodríguez, Ana Laura; Perelmuter Catan, Andres; Rama Rodríguez, Joaquín; Villalba González, Juan Ignacio; Mora Riquelme, Hugo Andrés; Ferragut Varela, Ruben Andrés
El presente trabajo final se enfoca en el desarrollo y aplicación de un modelo predictivo de precios en el mercado de alquileres de corta duración, puntualmente en el ámbito de Airbnb, con el objetivo de proporcionar una herramienta aplicable y comprensible en el ámbito real. Utilizando el lenguaje de programación Python y técnicas avanzadas de modelado, este proyecto investiga varios algoritmos para identificar el más eficaz en predecir y optimizar precios basados en un amplio espectro de variables relacionadas con los alojamientos. A través de un proceso que incluye el análisis y exploración de datos, modelado, implementación, y evaluación de modelos, se busca seleccionar el modelo óptimo basado en su rendimiento y precisión, según métricas de evaluación establecidas. Este trabajo no solo aspira a contribuir al campo académico y práctico con un modelo predictivo de precios preciso y accesible sino también a ofrecer insights valiosos para anfitriones y gestores de propiedades en la optimización de sus estrategias de precios en plataformas de economía compartida como Airbnb.
Exploración de métodos para predicción de tráfico vehicular
(Universidad ORT Uruguay, 2024) Belza Laiolo, Santiago; Allan, Vanesa; Yovine, Sergio Fabián; Bianchi, Alejandro; Carrasco Piaggio, Matías
Este trabajo final se centra en la exploración de cuatro técnicas para la predicción del tráfico vehicular: Autoregressive Integrated Moving Average (ARIMA), Long Short-Term Memory (LSTM), Stacked Autoencoders (SAE) y modelos basados en grafos. Estos métodos representan diferentes enfoques y paradigmas en el campo del aprendizaje automático y la minería de datos, cada uno con sus propias fortalezas y limitaciones. El objetivo principal es una evaluación de estos métodos en términos de su capacidad para modelar y predecir el flujo de tráfico vehicular. Se analizarán métricas de rendimiento y la capacidad de generalización en diferentes escenarios y conjuntos de datos. El trabajo realizado destaca que las técnicas ARIMA y LSTM son efectivas para capturar dependencias temporales en datos de tráfico, especialmente cuando esta es predominante. Sin embargo, los SAEs y modelos basados en grafos, al considerar la componente espacial, son capaces de manejar una mayor dimensionalidad de detectores. Específicamente, los modelos basados en grafos se destacan por su capacidad de modelar la estructura espacial de la red vial y las interacciones entre múltiples puntos de medición. Este documento proporciona una guía útil para los investigadores y profesionales del campo del transporte urbano, facilitando la selección y aplicación de métodos de predicción del tráfico vehicular más efectivos y adecuados para diferentes contextos y requisitos específicos.
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.

Recent Submissions