Tesinas concluidas

Título:Interoperabilidad semántica en el manejo de datos normativos sobre la presencia de agroquímicos en alimentos
Alumno:Carlos Francisco Ragout
Directores: Dr. Alejandro Fernández y Dr. Diego Torres
Fecha de defensa:26 de Marzo de 2021
ResumenEl objetivo de esta tesina es demostrar de qué manera las tecnologías de la web semántica ofrecen soluciones a la problemática de la publicación interoperable de datos normativos sobre la presencia de agroquímicos en alimentos. Para esto se creó una ontología que permite representar formalmente este dominio y se elaboró un pipeline de transformación de datos de sus fuentes originales a un dataset semántico. Se utilizó este dataset para luego demostrar cómo estas tecnologías facilitan la ejecución de distintas operaciones de interoperabilidad entre los datasets demostrando la diferencia entre usar la estrategia propuesta respecto de los métodos existentes.
(descargar el informe completo)
Título:Extensión P2P para enriquecer la Web con soporte semántico para la toma de decisiones
Alumno:Iván Colman
Directores: Dr. Alejandro Fernández y Dr. Diego Torres
Fecha de defensa:18 de Marzo de 2021
ResumenEsta tesina propone una estrategia para extraer información de la Web, crear un modelo semántico siguiendo las pautas de la Web Semántica y compartir el modelo entre usuarios mediante la arquitectura Peer-to-Peer (P2P) logrando así: (1) que los usuarios enriquezcan la Web; (2) integrar y agregar información a la Web Semántica; (3) mejorar la toma de decisiones basada en el modelo semántico que un usuario genera y comparte; (4) evitar la dependencia de un nodo central para compartir los modelos semánticos generados.
(descargar el informe completo)
Título:Detección y Clasificación Zero-Day Malware a través de Data Mining y Machine Learning
Alumno:Augusto Recordon – Silvia Ruiz Diaz
Directores: Dra. Claudia Pons
Fecha de defensa:17 de octubre de 2020
ResumenDado el constante incremento, tanto en número como en complejidad, de los ataques informáticos, los mecanismos
convencionales de detección resultan ineficientes en la mayoría de los escenarios. En este contexto, la presente
investigación propone determinar si técnicas de data mining y machine learning pueden ser utilizadas efectivamente
para el entrenamiento de algoritmos capaces de detectar y clasificar correctamente nuevos tipos de amenazas.
(descargar el informe completo)
Título:Agregando polimorfismo a una lógica que identifica proposiciones isomorfas
Alumno:Cristian Fabián Sottile
Director: Alejandro Díaz-Caro
Co-Director:Dra. Claudia Pons
Fecha de defensa:Febrero de 2020
ResumenTanto los sistemas de tipos como los sistemas de pruebas distinguen elementos que tienen diferente forma aunque
tengan el mismo significado, como pueden ser las pruebas de las conjunciones A􀂚B y B􀂚A, por lo cual una prueba de
una no constituye una prueba de la otra, a pesar de que se puede demostrar mediante la existencia de un isomorfismo
que dichas proposiciones son equivalentes. Sistema I es un cálculo lambda simplemente tipado con pares, extendido
con una teoría ecuacional obtenida a partir de los isomorfismos de tipos existentes entre los tipos simples con pares, de
forma tal que las proposiciones con mismo significado son equivalentes. En este trabajo proponemos una extensión de
Sistema I hacia polimorfismo, añadiendo al sistema de tipos el cuantificador universal y sus isomorfismos relacionados.
(descargar el informe completo)