Interfases

Presentación

2024-12-26T21:25:04-05:00

Análisis del éxito académico mediante aprendizaje automático: adicción y ChatGPT

2024-12-26T21:25:04-05:00

En este trabajo, se analiza la incidencia de las variables adicción al teléfono, a la pornografía, número de veces que se desbloquea el teléfono a cada hora y nivel de confianza en ChatGPT sobre el éxito académico de un grupo de 4278 estudiantes de ocho universidades de Ecuador. Se emplean los siguientes métodos: árboles de decisión (DT), random forest (RF) y support vector machine (SVM). Los resultados obtenidos señalan niveles similares en la precisión alcanzada en los tres algoritmos, respecto a la exactitud, en caso de SMOTE, los DT son el algoritmo que presenta mayor exactitud (accuracy = 0,64); y, en el caso de RandomOverSampler, el algoritmo SVM muestra mayor exactitud (accuracy = 0,59).

Análisis clúster de información sobre infecciones urinarias

2024-12-26T21:25:05-05:00

Las infecciones urinarias constituyen el principal motivo de consulta en el servicio de urgencias pediátricas en el mundo, por lo que merecen ser analizadas con técnicas de inteligencia artificial que permitan descubrir patrones basados en información médica y de laboratorio. El análisis clúster es una técnica no supervisada de aprendizaje de máquina que permite identificar grupos de pacientes con características similares. En este trabajo, se analizó información anonimizada de pacientes extraída de un sistema informático, donde todos sufren de infecciones urinarias. Se aplicó inicialmente el análisis de correspondencia múltiple (ACM) para luego utilizar de forma separada los algoritmos K-means y DBSCAN. Se obtuvo el valor de silhouette de cada grupo obtenido con los dos algoritmos. Se logró diferenciar a los pacientes de acuerdo con los porcentajes de prevalencia de sensibilidad/resistencia a ciertos antibióticos y a la presencia de los gérmenes que provocan las infecciones.

Red de conectividad en la cuenca del río Santiago: un modelo innovador para contribuir al cierre de la brecha digital en el marco de las Alianzas Multiactor

2024-12-26T21:25:07-05:00

Este artículo describe las características técnicas y las pruebas de desempeño de la red inalámbrica de banda ancha implementada en la cuenca del río Santiago (región Amazonas, Perú); además, detalla el contexto y el proceso de articulación interinstitucional en el que se ha desarrollado este proyecto. En el marco de una iniciativa amplia liderada por el Gobierno del Perú, se llevó a cabo un proceso de colaboración entre actores públicos, privados y la academia para el desarrollo de la provincia de Condorcanqui (región Amazonas, Perú); de este proceso surgieron diversos estudios y proyectos, entre ellos el diseño y la implementación de una solución de conectividad para la cuenca del río Santiago. El establecimiento de la red busca complementar los planes y proyectos que tiene el Estado en cuanto a la ampliación de la conectividad y los servicios de telecomunicaciones para cerrar la brecha digital en el Perú mediante una propuesta técnica no convencional. El principal resultado de la ejecución de este proyecto y del proceso seguido es la validación de una prueba de concepto sobre un modelo innovador de articulación, que busca combinar los esfuerzos de actores públicos y privados para reducir la brecha digital en comunidades rurales aisladas, con población escasa y dispersa. Además, la sostenibilidad de este despliegue también sigue un modelo innovador, que involucra a un operador de servicios de telecomunicaciones y promueve el uso del acceso a internet por parte de las instituciones públicas de los sectores de salud y educación presentes en la cuenca del río Santiago. De ello se obtienen resultados complementarios como la capacitación de empleados públicos y el fortalecimiento de los servicios brindados por las instituciones públicas mediante la entrega de equipamiento médico e informático.

IA generativa profunda basada en modelos de difusión de desenfoque probabilístico para aplicaciones en procesamiento de imágenes

2024-12-26T21:25:08-05:00

Los denoising diffusion probabilistic models (DDPMs) han mostrado un potencial significativo en la resolución de problemas complejos de procesamiento de imágenes. Este estudio explora el uso de DDPMs en tres aplicaciones diferentes, incluyendo la reconstrucción de imágenes de teledetección en zonas con nubosidad, la reconstrucción de imágenes faciales con regiones ocluidas y la segmentación de masas de agua a partir de imágenes de teledetección. El inpainting consiste en rellenar las regiones omitidas en las imágenes, mientras que los DDPM actúan como generadores de datos capaces de sintetizar información coherente con el contexto de los datos originales. En este contexto, tomando la técnica de inpainting como inspiración, se adaptó el enfoque RePaint y se aplicó a tareas de reconstrucción. Para la tarea de segmentación se utilizó la técnica WaterSegDiff, que también utiliza un modelo de difusión como backbonner. Para ilustrar el comportamiento del modelo y ejemplificar las tareas, se realizaron experimentos cuya performance se evaluó cualitativa y cuantitativamente. Los resultados de las evaluaciones cualitativas muestran la capacidad del modelo para generar datos para la reconstrucción y la segmentación. Cuantitativamente, las métricas MSE, PSNR, SSIM, IoU, PA y F1-Score indican un hábil desempeño de los modelos en tareas de procesamiento de imágenes. En este escenario, los DDPMs han demostrado ser una herramienta prometedora para la reconstrucción de datos de alta calidad, permitiendo la alucinación de regiones de imágenes con alta coherencia visual y aplicaciones en diversas áreas, tales como monitoreo ambiental, reconocimiento facial, mapeo de recursos hídricos, entre otros.

Perspectivas para la educación en IA: importancia de la inclusión de habilidades y competencias técnicas de IA en los planes de estudio

2024-12-26T21:25:10-05:00

La inteligencia artificial (IA) es el invento más importante de la humanidad. Lo tenemos presente en la sociedad y la economía, pero también ahora impacta en la academia, en la que los docentes y los estudiantes hacen uso de modelos lingüísticos y de interacción como el ChatGPT y otros más. En este estudio se hace referencia a encuestas e investigaciones sobre el uso y las aplicaciones de la IA. Se muestran resultados de una encuesta sobre temas de formación en IA, la cual fue aplicada a docentes y estudiantes universitarios en Costa Rica. Se hace un análisis comparativo de los resultados y se presentan cuadros de ambos grupos encuestados. Adicionalmente, se proveen lineamientos base para formular contenidos y temarios de IA dentro de la currícula de una carrera de tecnología. Finalmente, se brindan recomendaciones sobre las habilidades y competencias técnicas a desarrollar.

Diseño e implementación de un convertidor DC/DC boost con control PID para aplicación de frenado regenerativo

2024-12-26T21:25:12-05:00

Este artículo presenta el diseño e implementación de un convertidor elevador DC/DC de 12 V a 40,99 V, que emplea control PID, con el objetivo de ofrecer una solución eficiente para el aprovechamiento de la energía recuperada en un sistema de frenado regenerativo. En una primera etapa, se diseñó el circuito no controlado utilizando los softwares Simulink y PSIM. Posteriormente, se implementó un prototipo del circuito controlado mediante control PID para corregir la señal de salida. Una vez validado el funcionamiento del prototipo en el simulador Proteus, se procedió a la implementación física. Esta fase incluyó el diseño de las pistas en el software Eagle, el modelado de la placa en Autodesk Fusion y la fabricación manual de la misma. El uso del controlador PID permitió obtener un voltaje promedio de salida de 40,99 V, un valor RMS similar y un voltaje rizo pico a pico de 2,40 V. Aunque no se alcanzó el máximo estimado en las simulaciones, los resultados confirman el correcto funcionamiento del convertidor. Además, se identificaron posibles mejoras para optimizar el rendimiento del circuito, como ajustes en la capacitancia o inductancia, con el fin de reducir los picos de corriente y voltaje.

Hacia una normativa sobre la inteligencia artificial (IA): consideraciones clave y regulaciones internacionales

2024-12-26T21:25:13-05:00

La inteligencia artificial (IA) es una tecnología disruptiva que tiene un impacto significativo en diversos aspectos de la sociedad y la economía. Su rápido desarrollo ha generado la necesidad urgente de definir y establecer regulaciones que aborden los desafíos éticos, sociales y económicos que conlleva su adopción. La falta de una regulación adecuada trae consigo el riesgo de discriminación y sesgos en la toma de decisiones basadas en IA, lo que podría socavar la confianza pública en esta tecnología. Este artículo tiene como objetivo identificar los elementos clave necesarios que sirvan de base para la elaboración de una normativa efectiva de IA. Se toman en cuenta las regulaciones internacionales de la Unión Europea, los Estados Unidos, así como las iniciativas de organismos internacionales como la Unesco, la OCDE y la Comisión Económica para América Latina (Cepal) con su Índice Latinoamericano de Inteligencia Artificial (ILIA). Además, se presenta el caso específico de Costa Rica como ejemplo de formulación de una estrategia de inteligencia artificial. Se proponen lineamientos para una normativa coherente y efectiva de IA que promueva la cooperación y la armonización de las regulaciones. Estas pautas se ofrecen como guía para regular las herramientas y aplicaciones de IA, así como para adoptarla y usarla de manera responsable en beneficio de la sociedad, apoyada en la cooperación, consensos y acuerdos entre organizaciones y países.

Criptografía basada en retículas: desarrollo y análisis de una nueva variante del algoritmo Crystals-Kyber

2024-12-26T21:25:15-05:00

La inminente llegada de la computación cuántica ha hecho necesario el desarrollo de sistemas criptográficos resistentes a los ataques cuánticos. Los ataques cuánticos explotan la debilidad de la encriptación de llave pública y privada, la cual radica en que la llave pública es derivada desde la llave privada y esta última podría ser factorizada a partir de la llave pública. En respuesta, el NIST inició un concurso mundial en 2016 para crear algoritmos resistentes a la computación cuántica. CRYSTALS-Kyber, un algoritmo basado en celosía que aborda el problema de Aprendizaje con Errores fue seleccionado para su estandarización. Este trabajo introduce una variante, RKyber, que en su lugar aborda el problema de Aprendizaje con Redondeo, simplificando los cálculos mediante el uso de errores deterministas en lugar de ruido aleatorio. Ambos algoritmos se ejecutaron 1000 veces, demostrando que RKyber es más rápido, aunque sacrifica algo de seguridad.

Predicción de concentraciones de PM2.5 y PM10 utilizando los algoritmos XGboost y LightGBM: un estudio de caso en Lima, Perú

2024-12-26T21:25:16-05:00

La contaminación del aire es un problema importante que afecta tanto a la salud humana como al medio ambiente, causando millones de muertes prematuras anualmente en todo el mundo y degradando severamente el estado del planeta. La exposición a material particulado fino, altamente peligroso, permite que estas partículas penetren profundamente en los pulmones y provoquen problemas de salud graves, incluyendo una reducción en la esperanza de vida de más de dos años. En respuesta a este problema, es crucial identificar formas efectivas de monitorear los niveles de estos contaminantes en nuestro entorno diario. Este artículo presenta un estudio de caso realizado en el distrito de San Borja, Lima, Perú, donde se implementaron modelos de predicción para PM2,5 y PM10 utilizando los algoritmos XGBoost y LightGBM. Empleando datos del portal del SENAMHI y un análisis de correlación de variables, se desarrollaron dos escenarios diferentes para el entrenamiento de los modelos. En el escenario 1, se entrenaron modelos de predicción para PM2,5 y PM10 utilizando todas las variables meteorológicas y de contaminación disponibles. En el escenario 2, los modelos se entrenaron para PM2,5 excluyendo la variable PM10, y viceversa. Los resultados mostraron que ambos modelos lograron una alta precisión, medida por el coeficiente de determinación, sin diferencias estadísticamente significativas que indicaran la superioridad de alguno de los modelos. Además, el análisis de los escenarios propuestos reveló que excluir variables clave puede resultar en predicciones significativamente menos precisas, lo que podría comprometer la efectividad de las estrategias de gestión ambiental.

Análisis de características en proyectos de big data: revisión sistemática de literatura

2024-12-26T21:25:18-05:00

En el desarrollo de proyectos de big data se identifican diversas problemáticas que pueden deberse a distintos factores, como la baja calidad de los datos utilizados con anomalías que pueden afectar la precisión de los resultados o la falta de claridad en los objetivos comerciales. Esta situación puede provocar errores en el proceso de toma de decisiones, retrasos en las entregas y hasta la cancelación del proyecto. En este contexto, el presente trabajo surge de la necesidad de recopilar investigaciones previas con el fin de conocer la importancia de la aplicación de una metodología de trabajo en proyectos de big data. Se realiza con el objetivo de identificar los enfoques de las metodologías más utilizadas y analizar las características propias de cada una, así como las características comunes o transversales, que permiten la combinación, o adaptación, de distintas metodologías en un mismo proyecto. La generación de grandes volúmenes de datos provenientes de diferentes fuentes y formatos aumenta el desafío de verificar la calidad, ya que pueden presentar anomalías que afecten así la precisión de los resultados obtenidos.