Trabajos finales de carrera de postgrado

Permanent URI for this collectionhttps://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 - 20 of 74

Chatbots en el sector bancario uruguayo
(Universidad ORT Uruguay, 2025) Martinez Abadi, Sergio Gastón; Parrilla Palomeque, Agustina; Mora Riquelme, Hugo Andrés; Matturro Mazoni, Gerardo; Adorjan Olivera, Alejandro Jeremías
La presente memoria final tiene como objetivo analizar la implementación de chatbots en la industria bancaria uruguaya, una tecnología clave en la transformación digital global. Aunque en otros mercados los chatbots han sido ampliamente adoptados, en Uruguay su desarrollo aún se encuentra en una etapa temprana. A nivel internacional, los bancos han incorporado sistemas avanzados que optimizan la atención al cliente y los procesos operativos, alcanzando un alto nivel de madurez tecnológica. En contraste, la adopción en Uruguay es limitada y carece de la sofisticación presente en mercados más desarrollados. Para abordar esta cuestión, la investigación adopta un enfoque metodológico mixto, combinando el análisis de datos cualitativos y cuantitativos. Se examina el grado de adopción de los chatbots, sus principales casos de uso y el nivel de satisfacción de los clientes en el sector bancario uruguayo. El estudio identifica diversas brechas entre el contexto local e internacional, destacando factores como la necesidad de inversión en infraestructura tecnológica, el desarrollo del capital humano, la visión estratégica de las instituciones y el impacto de la integración de modelos avanzados de inteligencia artificial y Machine Learning. Asimismo, se analiza la importancia de diseñar chatbots multiplataforma para atender a distintos perfiles de usuarios. Finalmente, se presentan una serie de recomendaciones prácticas con el objetivo de impulsar la adopción de chatbots más sofisticados en Uruguay. Se espera que estas iniciativas contribuyan a alinear al sector bancario local con las mejores prácticas internacionales, mejorando su eficiencia operativa, competitividad y calidad de servicio en un entorno cada vez más digitalizado y dinámico.
Mejora de la seguridad de la información en un organismo público
(Universidad ORT Uruguay, 2025) Jaunarena Starcovich, Luis Boyan; Schicht, María Mercedes; Venegas Díaz, Katherine Vanesa; Sotuyo Blanco, Felipe; Garbarino Alberti, Helena; Kornecki Radzinski, Ethel
El presente trabajo final tiene como objetivo proponer un conjunto de recomendaciones basadas en el Marco de Ciberseguridad (MCS) de AGESIC (Agencia de Gobierno Electrónico y Sociedad de la Información y del Conocimiento), diseñado para fortalecer la seguridad de la información en un organismo público de Uruguay. Este proyecto se centra en el área de Tecnología de la Información y Comunicaciones (TIC), evaluando su situación actual en términos de ciberseguridad y perfilando estrategias para implementar el MCS de manera efectiva. El estudio aborda cinco funciones clave del MCS de AGESIC: Identificar, Proteger, Detectar, Responder y Recuperar, analizando las brechas existentes y priorizando las acciones de mejora en función de los niveles de madurez establecidos por el modelo de AGESIC. Los resultados obtenidos buscan no solo mitigar los riesgos inmediatos, sino también establecer una base sólida para la mejora continua de la ciberseguridad, alineando los objetivos estratégicos del organismo con las mejores prácticas recomendadas por el MCS de AGESIC. Este enfoque pretende ser escalable y adaptable, permitiendo su extensión futura a otras áreas del organismo.
Optimización de la gestión de cambios en infraestructura de tecnología de la información
(Universidad ORT Uruguay, 2025) Barreiro Caresani, Sofía Carolina; González Martínez, Evelyn Vanessa; Matturro Mazoni, Gerardo; Garbarino Alberti, Helena; Calegari García, Daniel
El siguiente trabajo final tiene como objetivo evaluar la efectividad de una solución para la empresa objeto de estudio. La gestión de cambios en infraestructura enfrenta problemas significativos. A pesar de los esfuerzos realizados para asegurar una adecuada comunicación sobre un cambio programado, no hay visibilidad de las dependencias entre los sistemas, lo que dificulta la correcta evaluación del impacto y aumenta los riesgos operacionales. Se desarrolla una solución automatizada que permita visualizar las dependencias entre los sistemas que involucran servidores Windows y optimizar la comunicación de los cambios. La metodología elegida para llevar a cabo este trabajo es investigación-acción. Esta metodología tiene un enfoque iterativo que facilita la identificación y resolución de problemas mediante un ciclo continuo de planificación, implementación, análisis y documentación. Este enfoque permite desarrollar un plan específico para abordar los problemas identificados, evaluar los resultados obtenidos y generar soluciones prácticas y adaptadas al contexto de la empresa de estudio. Como solución a los problemas identificados, se propone el diseño e implementación de un algoritmo para la generación automática de árboles de dependencias y mejoras para la comunicación de un cambio programado. En conclusión, la implementación de una solución automatizada y alineada con las mejores prácticas de ITIL contribuye a la mejora continua de los servicios de infraestructura que brinda el área de tecnologías de la información (TI) de la empresa de estudio, asegurando una gestión de cambios más eficiente.
Automatización de venta de publicidad para TV tradicional
(Universidad ORT Uruguay, 2025) Lorenzo Delgado, Martín; Gambetta Viroga, Marcelo Héctor; Garbarino Alberti, Helena; De Vita Reyes, Natalia Isabel
El presente trabajo final aborda la necesidad de automatizar la venta de publicidad en televisión tradicional, buscando mejorar la eficiencia operativa y generar ingresos adicionales mediante la adopción de tecnologías y prácticas del entorno digital. A través de un estudio de caso, se analizó el modelo actual de ventas de un canal local, identificando áreas críticas como la gestión de inventario, la configuración flexible de productos publicitarios y la performance financiera del modelo vigente. Los resultados evidencian un potencial para la venta automatizada, particularmente en la gestión de inventarios remanentes y la adopción de modalidades de venta basadas en audiencias. Además, se identificaron los requerimientos tecnológicos, organizacionales y culturales necesarios para implementar exitosamente dicha transformación. Finalmente, se plantean recomendaciones específicas orientadas a la estandarización de procesos, la implementación tecnológica y el cambio cultural, con el fin de posicionar al canal de televisión frente a la competencia creciente de plataformas digitales.
Predicción de afluencia de pasajeros para mejorar la gestión del transporte urbano en Montevideo
(Universidad ORT Uruguay, 2025) González Aguirre, María Verónica; Vera Rojas, Christian Fabián; Yovine, Sergio Fabián; Pisani Leal, Mikaela; Braberman, Victor Adrian
El siguiente trabajo final propone el desarrollo de un modelo predictivo para estimar la cantidad de pasajeros por línea de ómnibus en Montevideo, viendo el impacto de la lluvia, utilizando datos históricos de ocupación de los ómnibus y registros de precipitaciones proporcionados por la Intendencia de Montevideo. El objetivo principal es optimizar la asignación de la flota de ómnibus, mejorando la eficiencia del servicio y reduciendo los tiempos de espera de los usuarios. Para ello, se aplican técnicas de análisis de datos y modelos de aprendizaje automático (en adelante, Machine Learning o simplemente ML por sus siglas en inglés) incluyendo enfoques de series temporales y redes neuronales MLP (Multi Layer Perceptron) con el fin de capturar patrones históricos y variables meteorológicas relevantes. Se espera que los resultados obtenidos ofrezcan un sustento sólido para la toma de decisiones de las autoridades, impulsando una planificación de transporte más efectiva y contribuyendo a la satisfacción de los pasajeros.
Estimación de la generación potencial de energía de parques solares y parques eólicos en Uruguay bajo restricciones operativas mediante técnicas de aprendizaje automático
(Universidad ORT Uruguay, 2025) Ferragut Varela, Joan Matias; Herrera Mello, Adrián Héctor; Mora Riquelme, Hugo Andrés; Carrasco Piaggio, Matías; Noguez Piacentini, Juan Ignacio
Las restricciones operativas en el mercado eléctrico uruguayo hacen referencia a las limitaciones que impone el Administrador del Mercado Eléctrico (ADME) a los generadores para ajustar su producción a las necesidades y capacidades del sistema en un momento determinado. En el marco del Decreto N.º 59/015, los generadores de energía renovable con contratos firmados tienen derecho a ser compensados por la energía que habrían generado en condiciones normales, aun cuando se les impongan restricciones que limiten la cantidad de energía que pueden inyectar en la red. Es decir, se reconoce y compensa el potencial de generación que no pudo concretarse debido a dichas restricciones. Este trabajo final desarrolla modelos basados en técnicas de aprendizaje automático para estimar la energía que los parques eólicos habrían inyectado a la red en ausencia de restricciones operativas. El análisis se sustenta en datos históricos de generación y condiciones climáticas registrados por los propios parques, con el objetivo de construir una herramienta capaz de estimar la producción solar y eólica en escenarios de restricción. Los modelos desarrollados se entrenan con datos de parques de referencia, obteniendo resultados satisfactorios que luego se replican en parques similares, logrando generalización y robustez en las estimaciones. ADME cuenta con un modelo propio para calcular estas generaciones potenciales, aunque no fue desarrollado utilizando técnicas de aprendizaje automático. Por lo tanto, el modelo propuesto en este proyecto será comparado con una réplica del modelo de ADME, con el fin de evaluar su desempeño relativo.
Pronóstico de lealtad del cliente
(Universidad ORT Uruguay, 2025) Payovich Ferro, Agustín César; García Larrosa, Juan Manuel; Fernández Sandar, María Jimena; Pisani Leal, Mikaela; Mayr Ojeda, Franz; Visca Zanoni, Ramiro Eugenio
El presente trabajo final tiene como objetivo principal el desarrollo de un modelo predictivo de Net Promoter Score (NPS) para un banco cliente, utilizando técnicas de Machine Learning aplicadas sobre información transaccional y comportamental de los clientes. El enfoque del proyecto se centró en anticipar qué clientes presentan mayor probabilidad de ser detractores, permitiendo al banco tomar acciones proactivas orientadas a mejorar la experiencia del cliente y fortalecer su lealtad. Para la construcción del modelo se contempló la información sobre productos, consumos, segmentación del cliente a nivel del negocio, la usabilidad de canales digitales, tarjetas de crédito y reclamos, entre otros. Estas variables fueron sometidas a un exhaustivo proceso de análisis exploratorio, tratamiento de calidad de datos y reducción de dimensionalidad mediante Análisis de Componentes Principales (PCA), con el objetivo de optimizar el desempeño del modelo y garantizar su interpretación. Dado el desbalance natural de la variable objetivo se aplicaron técnicas de sobremuestreo para reforzar la clase minoritaria y mejorar la capacidad predictiva del modelo. Tras evaluar distintos algoritmos, el modelo final seleccionado fue un Random Forest entrenado sobre las variables resultantes del PCA y aplicando técnica de sobremuestreo, alcanzando resultados satisfactorios en términos de Recall, métrica priorizada por el contexto del problema enfrentado. Se propone avanzar en la integración del modelo dentro de la infraestructura tecnológica del banco, aprovechando los servicios de AWS (Amazon Web Service) que el banco tiene a su disposición, para su puesta en producción y disponibilización a otras áreas del negocio. Asimismo, se sugiere continuar enriqueciendo la base de datos incorporando nuevas respuestas de encuestas NPS y considerando indicadores adicionales de satisfacción asociados a experiencias digitales o flujos transaccionales específicos (CSAT o Likerts).
Arquitecturas de streaming para analítica de salud
(Universidad ORT Uruguay, 2025) Conti Rodriguez, Emiliano; Bianchi, Alejandro; Young Mendiola, Federico Manuel; Braberman, Victor Adrian
El siguiente trabajo final presenta un análisis comparativo entre las arquitecturas de streaming Kappa y Delta en el contexto del monitoreo remoto de pacientes. Frente al creciente volumen de datos generados por dispositivos IoT médicos, estas arquitecturas ofrecen enfoques distintos para el procesamiento en tiempo real e histórico de información crítica para el ámbito de salud. Para la evaluación, se implementó un sistema de monitoreo basado en el protocolo NEWS2 (National Early Warning Score 2), enriquecido con métricas de calidad y frescura de datos que permiten una degradación gradual de la fiabilidad de las mediciones en condiciones subóptimas. Se desplegaron ambas arquitecturas utilizando un stack tecnológico común, evaluando su rendimiento mediante métricas de latencia, throughput, uso de recursos y costos operativos. Los resultados revelan que la arquitectura Kappa proporciona latencias significativamente menores frente a Delta, haciéndola superior para escenarios que requieren respuesta inmediata. Por otro lado, Delta demostró un throughput 64 % mayor, mejor eficiencia en almacenamiento y un costo operativo 36 % inferior, resultando más adecuada para análisis históricos y procesamiento contínuo que no requieran resultados inmediatos. El estudio concluye que, en sistemas de salud integrales, una estrategia híbrida que combine ambas arquitecturas según los requerimientos específicos de cada caso de uso representaría la solución óptima, aprovechando las fortalezas complementarias de cada enfoque
Modelo de recomendación para compras en supermercado
(Universidad ORT Uruguay, 2025) Martínez Fontoura, Martín Andrés; Bernardo Aguirre, Matías; Marzano Pozzi, Florencia; Milano Taibo, José Germán; Carrasco Piaggio, Matías; Visca Zanoni, Ramiro Eugenio
El presente trabajo final tiene como objetivo desarrollar un sistema de recomendación aplicado a las compras web de un supermercado, con la finalidad de anticipar las preferencias de compra y personalizar las sugerencias en función del historial de compras de cada cliente. Con esta finalidad, a partir de un conjunto de datos de compras en un supermercado, se realizó un análisis exploratorio y se crearon nuevas variables que resultan clave para los siguientes pasos, como la segmentación horaria y la frecuencia de compra. Con el propósito de adaptar los algoritmos de recomendación a grupos de usuarios con patrones de compra similares, se agruparon a los clientes en cinco perfiles bien diferenciados mediante la aplicación de “K-means”, de forma de mejorar la personalización de las sugerencias. Sobre cada segmento se entrenaron y compararon tres algoritmos de recomendación: factorización matricial con NMF, arquitecturas de “dos torres” con TensorFlow Recommenders y, finalmente, filtrado colaborativo con Surprise. El modelo optimizado de TensorFlow Recommenders obtuvo un F1-score de 0.88, superando al mejor modelo NMF en un 13.6% y al mejor modelo de Surprise en un 18.3%. A su vez, se evidencia la relevancia de técnicas como SMOTE para el balanceo de clases. Estos resultados demuestran que la combinación de la segmentación previa, el aprendizaje profundo y el ajuste fino de hiperparámetros incrementa la precisión y relevancia de las recomendaciones.
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.
Predicción de la demanda de salmón en una empresa del mercado local La Distribuidora
(Universidad ORT Uruguay, 2023) Semiglia Lusquiños, Diego Sebastián; Barrabino Scherschener, Juan; Gervaz Fernández, Pedro; Ferragut Varela, Ruben Andrés; Noguez Piacentini, Juan Ignacio; Espinosa, Marcelo
El presente trabajo final se centra en la predicción de la demanda de salmón fresco en una distribuidora de insumos para la gastronomía. Para ello se propone el desarrollo de modelos predictivos de la demanda semanal y mensual de dicho insumo, centrándose en técnicas de análisis de series temporales. Se construyen cuatro modelos de predicción de la demanda semanal de salmón fresco, utilizando un modelo de regresión lineal, modelos ARIMA y redes neuronales. El trabajo contiene el análisis detallado que se efectuó poniendo en práctica cada una de las técnicas mencionadas describiendo paso a paso las acciones y decisiones que se tomaron. Como resultado se llega a un conjunto de modelos que son capaces de predecir la demanda semanal de salmón fresco con un RMSE de aproximadamente 650 kg lo cual significa que más de la mitad de las veces el valor real estará en un entorno de 650 kg respecto del valor predicho.
The Medium is the Message
(Universidad ORT Uruguay, 2023) Mordecki De Boni, Gonzalo; Sorozabal Silva, Matías Nicolás; González Quintana, Guzmán; Visca Zanoni, Ramiro Eugenio; Begerez Oyhenard, Marcos Adrian
El siguiente trabajo final presenta la implementación y evaluación de técnicas y herramientas de inteligencia artificial dentro de Resolve Debt, un software de recolección de deudas. Este software permite a las agencias de cobro de deudas optimizar este proceso al ofrecer servicios de comunicación e integración de pagos. La empresa que está detrás de este programa es de Los Ángeles, EE.UU y comenzó a crear el producto en 2022. Para este trabajo final, se probaron e implementaron diferentes técnicas y herramientas de aprendizaje automático con el objetivo de automatizar las comunicaciones entre las agencias de cobro de deudas y los deudores, así como optimizar la productividad de los agentes humanos que utilizan el producto. Se describen tres implementaciones principales: un modelo de Potenciación del gradiente para predecir qué deudores tenían más probabilidades de producir un pago, un generador de plantillas que facilita la redacción de solicitudes de pago y una solución de IA conversacional que automatiza las comunicaciones bidireccionales a través de texto al centrarse sobre todo en la gestión de las preguntas más frecuentes.
Análisis de clasificación por tramos de ingresos para los clientes de tarjetas de crédito
(Universidad ORT Uruguay, 2023) Ramis Artagaveytia, Federico; Cea López, Gastón; Milano Taibo, José Germán; Visca Zanoni, Ramiro Eugenio; Mayr Ojeda, Franz
Este trabajo final tiene como objetivo desarrollar una solución aplicable en el sector financiero uruguayo, orientada a responder a las nuevas demandas digitales y desafíos tecnológicos. En un contexto donde la hiperpersonalización redefine las expectativas de los clientes, incluso más allá del rubro financiero, las instituciones tradicionales se ven obligadas a adaptarse mediante la transformación digital. Esta transformación implica incorporar capacidades digitales a sus procesos, productos y activos, para competir con empresas nativas digitales. La propuesta del proyecto se centra en analizar la base de clientes de una institución financiera con el fin de clasificarlos según su nivel de ingresos mensuales. Esta segmentación permitirá diseñar ofertas crediticias -u otros productos financieros- alineadas con la capacidad económica de cada cliente. El modelo desarrollado combina técnicas de clasificación con análisis de comportamiento crediticio, generando ofertas preaprobadas y habilitando aumentos proactivos de límite, comunicados previamente a los beneficiarios. La implementación del modelo requerirá evaluar su integración con los procesos operativos existentes y garantizar su compatibilidad con las herramientas actuales de la institución.
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.
Implementación de algoritmos y herramientas de ML/AI aplicado a predicciones en carreras de caballos
(Universidad ORT Uruguay, 2024) Bastarrica Boghossian, Felipe; Giosa Lirola, Aldo Gabriel; Maestro Barrios, Esteban; Mora Riquelme, Hugo Andrés; Braberman, Victor Adrian; Rodriguez Pedreira, Juan Andrés
El siguiente trabajo final se centra en la aplicación de técnicas de aprendizaje automático aplicado a predicciones de resultados de carreras de caballos, con el objetivo de maximizar las ganancias para distintos tipos de apuestas. La finalidad es poder armar una o más apuestas que lleven al usuario a tener un resultado más redituable frente a su percepción como apostador. Esta puede ser la clásica apuesta al ganador, combinaciones de caballos para los primeros puestos, hasta no hacer ninguna apuesta debido a las pocas certezas que se tienen para obtener un resultado favorable y seguro. Para este trabajo se estudiaron datos de miles de carreras de caballos en Australia, con el objetivo de investigar en profundidad todas las variables que se obtienen de diferentes fuentes, entender el problema para modelar las soluciones de forma acorde y aplicar técnicas de aprendizaje automático para comparar resultados utilizando diferentes métricas. El contenido de esta tesis muestra los variados retos y estudios que implicaron la realización del análisis y los modelos, como el diseño de la simulación y la optimización de las técnicas utilizadas.
Un Estudio de Text-to-SQL con Grandes
(Universidad ORT Uruguay, 2024) Leon Fariña, Gonzalo Rodrigo de; Ljubicic Román, Martín Pablo; Oldán Motta, Joaquín; Mayr Ojeda, Franz; Braberman, Victor Adrian; Rodriguez Pedreira, Juan Andrés
El presente trabajo final tiene como objetivo desarrollar un asistente basado en un Large Lenguage Model (LLM) para facilitar la comprensión de sistemas a desarrolladores ciudadanos o "citizen developers" para que puedan igualmente desenvolverse en el área; testers y analistas funcionales, mediante la generación inteligente de consultas SQL a partir de lenguaje natural. El énfasis cae en el acceso a datos, implementando técnicas como Retrieval Augmented Generation (RAG), few-shot learning, chain of though sobre modelos locales para mejorar la precisión en la generación de consultas. Una complejidad del proyecto se presenta en la gestión de una base de datos con gran número de tablas y atributos de manera completamente local. El enfoque es un estudio del estado del arte, construir un sistema que traduce requerimientos a consultas SQL, y desarrollar las mismas basado en la metadata de la base de datos. Se busca generar consultas semánticamente correctas y superar desafíos de generalización sobre la estructura de diversas bases de datos. Esta tesis se encamina en busca de una contribución al campo de Text-to-SQL, abordando desafíos prácticos en la generación automática de consultas SQL, que tiene aplicaciones prometedoras en la mejora de la colaboración y eficiencia en el desarrollo de sistemas.

Recent Submissions