Avisos

Próximo Seminario: Studies on Supporting Software Architecture Tasks through Collaborative LLM-Based Strategies

Fecha: Jueves 16 de julio de 2026 a las 11:00 hrs.
Presenta: M. en C. Eduardo Rodríguez Sánchez
Afiliación: Estudiante del Doctorado en Ciencias y Tecnologías de la Información en la Universidad Autónoma Metropolitana, Unidad Iztapalapa.

Resumen:

Una arquitectura de software define las estructuras necesarias para satisfacer los requerimientos del sistema y razonar acerca de él. La arquitectura sirve como un plano que guía la etapa de desarrollo, asegurando que todas las necesidades de los involucrados son cubiertas. Los recientes avances en los grandes modelos de lenguaje o LLMs por sus siglas en inglés han demostrado sólidas capacidades en la generación de código fuente, la síntesis de documentación y otras tareas de ingeniería de software. Sin embargo, su aplicación al diseño y evaluación de la arquitectura de software continúa representando un área de investigación emergente en la que persisten desafíos relacionados con la calidad de las decisiones arquitectónicas, la consistencia de las soluciones generadas y su evaluación objetiva.

Esta investigación explora la aplicación de LLMs en actividades propias de la arquitectura de software, incluyendo la elaboración de diseños arquitectónicos mediante el método Attribute-Driven Design (ADD), así como la evaluación de las soluciones obtenidas mediante los principios del Architecture Tradeoff Analysis Method (ATAM). El trabajo busca establecer en qué medida estos modelos pueden asistir a los arquitectos de software, identificando tanto sus fortalezas como las limitaciones que presentan en tareas que requieren razonamiento y juicio de experto.

Semblanza:

Eduardo Rodríguez Sánchez obtuvo el grado de Licenciado en Ingeniería Electrónica por la Universidad Autónoma Metropolitana, Unidad Iztapalapa en 2020. Posteriormente cursó la Maestría en Ciencias y Tecnologías de la Información en la misma institución, la cual concluyó en 2022. Su investigación de maestría incluye publicaciones sobre la estimación de tiempo y costo de proyectos de software desarrollados con metodologías ágiles aplicando diversos métodos de aprendizaje automático. Actualmente realiza estudios de Doctorado en Ciencias y Tecnologías de la Información en la Unidad Iztapalapa. Sus intereses de investigación incluyen la ingeniería de software asistida por inteligencia artificial, las redes neuronales artificiales y los modelos de lenguaje.

Seminario: Modelado y evaluación de redes del IoT usando modelos sustitutos potenciados por IA

Fecha: Jueves 09 de julio de 2026 a las 11:00 hrs.
Presenta: M. en C. Carlos Alberto Pantle Pérez
Afiliación: Estudiante del Doctorado en Ciencias y Tecnologías de la Información en la Universidad Autónoma Metropolitana, Unidad Iztapalapa.

Resumen:

El modelado de redes de Internet de las Cosas (IoT) a gran escala presenta severas limitaciones de escalabilidad debido al elevado costo computacional de las herramientas tradicionales. A medida que el tamaño de la red se incrementa, el tiempo de ejecución en entornos de simulación y emulación como Cooja se vuelve logísticamente prohibitivo, lo que dificulta el análisis de nuevas estrategias para la evolución de redes IoT en escenarios masivos. Esta investigación aborda las dificultades inherentes al modelado de IoT y analiza las posibilidades actuales para mitigar este problema. Se presenta una propuesta metodológica orientada al desarrollo de modelos sustitutos (surrogate models) basados en Inteligencia Artificial, diseñados para emular el comportamiento de los simuladores convencionales, permitiendo evaluar el rendimiento de redes IoT masivas con una reducción drástica en la carga de procesamiento. Además, se estudia la capacidad de estos modelos sustitutos para generalizar su aprendizaje a tamaños de red no vistos durante su entrenamiento.

Semblanza:

Carlos Alberto Pantle Pérez es ingeniero en electrónica por la Universidad Autónoma Metropolitana, unidad Iztapalapa, donde obtuvo el grado en 2022. Posteriormente cursó la Maestría en Ciencias y Tecnologías de la Información, misma que concluyó en 2025.
Su trabajo de licenciatura estuvo enfocado en el análisis de desempeño de redes 5G, mientras que su proyecto de maestría abordó la recolección de datos en redes inalámbricas de sensores asistidas por un vehículo aéreo no tripulado (UAV). Como resultado de esta investigación, en colaboración con sus asesores, publicó el artículo A Strategy for Extending the Network Lifetime in UAV-Assisted Hierarchical WSN, presentado en la IEEE LATINCOM 2025. Durante sus estudios de posgrado realizó una estancia de investigación en la Universidad de Castilla-La Mancha, España.
En el ámbito profesional cuenta con más de cinco años de experiencia docente, impartiendo asignaturas de ciencias básicas en el nivel medio superior y cursos universitarios relacionados con electrónica, automatización y microcontroladores en el Tecnológico Universitario del Valle de Chalco.
Sus intereses de investigación se centran en las comunicaciones inalámbricas y actualmente se encuentra realizando sus estudios de doctorado, donde enfoca su línea de investigación en el desarrollo de modelos sustitutos basados en inteligencia artificial para la optimización de redes del IoT.

Seminario:  Evaluación del desempeño de protocolos IoT IEEE 802.11ah y NB-IoT mediante modelado realista del tráfico con base en CMMPP

Fecha: Jueves 02 de julio de 2026 a las 11:00 hrs.
Presenta: M. en C. Helen María Alvarez Mederos
Afiliación: Estudiante del Doctorado en Ciencias y Tecnologías de la Información en la Universidad Autónoma Metropolitana, Unidad Iztapalapa.

Resumen:

El crecimiento del Internet de las Cosas (IoT) ha impulsado el desarrollo de protocolos de comunicación capaces de soportar un elevado número de dispositivos con requerimientos de bajo consumo energético y acceso eficiente al medio. Entre las tecnologías más representativas se encuentran IEEE 802.11ah y NB-IoT, cuyos mecanismos de acceso son ampliamente utilizados en aplicaciones de Comunicaciones de Tipo Máquina (MTC). Sin embargo, gran parte de las investigaciones reportadas en la literatura evalúan estos protocolos utilizando modelos de tráfico simplificados, como procesos de Poisson, que no representan adecuadamente la naturaleza correlacionada del tráfico generado por eventos en entornos IoT.

La presente investigación doctoral propone comparar el desempeño de IEEE 802.11ah y NB-IoT mediante un modelo de tráfico realista basado en Procesos de Poisson Acoplados y Modulados por Markov (CMMPP), capaz de representar la sincronización temporal y espacial característica de las comunicaciones MTC. Durante esta ponencia se presentan los antecedentes que sustentan la investigación y los avances alcanzados durante el primer año del doctorado, entre ellos la actualización del estado del arte, la adaptación y extensión del modelo CMMPP, su integración con el protocolo IEEE 802.11ah, la validación del modelo mediante eventos disruptivos (alarma) y la obtención de resultados preliminares. Finalmente, se exponen las etapas siguientes del proyecto, orientadas a la incorporación del protocolo NB-IoT y a la evaluación comparativa de ambos protocolos bajo escenarios equivalentes de simulación.

Semblanza:

Helen María Alvarez Mederos es Ingeniera en Telecomunicaciones y Electrónica por la Universidad Tecnológica de La Habana “José Antonio Echeverría” (CUJAE), Cuba. Obtuvo el grado de Maestra en Ciencias y Tecnologías de la Información por la Universidad Autónoma Metropolitana, Unidad Iztapalapa, donde actualmente cursa el Doctorado en Ciencias y Tecnologías de la Información.

Su experiencia profesional incluye actividades como Ingeniera en Sistemas de Radiodifusión y Televisión, así como profesora universitaria en el área de telecomunicaciones y tecnologías de la información en la Universidad Agraria de La Habana “Fructuoso Rodríguez Pérez”. Como profesor universitario elaboró planes de estudio de las asignaturas: Procesos Tecnológicos Industriales y Matemática III de la carrera Ingeniería en Procesos Agroindustriales. Ha participado en proyectos de investigación relacionados con redes de comunicación, IoT y modelado de tráfico, además de colaborar en publicaciones científicas nacionales e internacionales sobre telecomunicaciones y transformación digital.

Actualmente desarrolla investigación en la evaluación del desempeño de protocolos de comunicación para IoT, mediante el uso de modelos realistas de tráfico basados en CMMPP y simulación en NS-3, con énfasis en los protocolos IEEE 802.11ah y NB-IoT. Esta línea de investigación constituye el eje central de su proyecto doctoral.

Seminario: Impacto de los algoritmos de fragmentación de datos en los sistemas de almacenamiento de información digital

Fecha: Jueves 25 de junio de 2026 a las 11:00 hrs.
Lugar: T-223
Presenta: M. en C. Jesús Hernández Guillén
Afiliación: Estudiante del Doctorado en Ciencias y Tecnologías de la Información en la Universidad Autónoma Metropolitana, Unidad Iztapalapa.

Resumen:

La información digital constituye uno de los activos más importantes de la sociedad actual. Prácticamente todas las actividades modernas generan, procesan y almacenan datos de forma continua. Durante las últimas décadas, la cantidad de información generada a nivel mundial ha experimentado un crecimiento acelerado. La expansión de Internet, la computación en la nube, el IoT y, más recientemente, las aplicaciones basadas en inteligencia artificial, han provocado que el volumen de datos crezca a una velocidad sin precedentes. Debido a esto, las organizaciones requieren infraestructuras capaces de almacenar, administrar y procesar cantidades cada vez mayores de información. Para responder a esta necesidad surgen los sistemas de almacenamiento masivo de información digital. Estos son un conjunto de tecnologías y dispositivos diseñados para guardar, organizar y recuperar grandes volúmenes de información de forma segura. Sin embargo, a pesar de las capacidades que estas infraestructuras ofrecen, el crecimiento constante de los datos también introduce importantes desafíos operativos. Conforme aumenta la carga de trabajo, los sistemas pueden experimentar fenómenos de saturación que afectan su desempeño. Entre las principales causas se encuentran la capacidad de procesamiento de los nodos, las restricciones del subsistema de entrada y salida, o la saturación de los canales de comunicación. Cuando estos fenómenos no son gestionados adecuadamente, pueden producir degradación del rendimiento, aumento en los tiempos de respuesta e incluso fallos parciales o totales del sistema. Una estrategia ampliamente utilizada para mitigar estos efectos consiste en distribuir la carga de almacenamiento y procesamiento entre múltiples nodos, evitando la concentración de operaciones sobre recursos específicos. Siguiendo esta idea, la fragmentación de datos permite dividir la información en múltiples partes que pueden almacenarse y procesarse de manera distribuida, favoreciendo el paralelismo, el balanceo de carga y un mejor aprovechamiento de la infraestructura disponible. Las estrategias utilizadas para realizar dicha fragmentación pueden influir significativamente en el desempeño global del sistema. Por ello, el presente trabajo tiene como objetivo analizar y comparar diversas estrategias de fragmentación para determinar su impacto sobre la eficiencia operativa de los sistemas de almacenamiento y establecer cuáles ofrecen un mejor desempeño bajo diferentes condiciones de trabajo.

Semblanza:

Jesús es Licenciado en Computación y Maestro en Ciencias y Tecnologías de la Información por la Universidad Autónoma Metropolitana. Mientras cursaba el posgrado realizó una estancia en la Universidad de Girona en España. Trabajó como desarrollador freelancer para una empresa aseguradora y desde el 2012 se desempeña como profesor en el Tecnológico Nacional de México TecNM. Ha impartido cursos de capacitación al personal de la SEP, y a personal docente y alumnado de los Institutos Tecnológicos de Puebla y de Ciudad Altamirano. También ha contribuido como coautor en las publicaciones “CRUAM-MAC: A novel cognitive radio MAC protocol for dynamic spectrum access” publicado en IEEE Latin-America Conference on Communications 2012, y del artículo titulado “Técnica de extracción de información de bases de datos para su manejo como datos con posición geográfica”, publicado en la Revista de Desarrollo Urbano y Sustentable, en septiembre 2019. Además ha participado como coordinador en congresos de divulgación y de vinculación con empresas relacionadas al ramo de la Ingeniería en Computación.

Seminario: Detección de suplantación de voz utilizando algoritmos basados en inteligencia artificial.

Fecha: Jueves 18 de junio de 2026 a las 11:00 hrs.
Lugar: T-223
Presenta: M. en C. Carlos Alberto Hernández Nava
Afiliación: Estudiante del Doctorado en Ciencias y Tecnologías de la Información en la Universidad Autónoma Metropolitana, Unidad Iztapalapa.

Resumen:

El Análisis por Componentes Independientes (ICA, por sus siglas en inglés) es una técnica de procesamiento de señales que busca En este proyecto se desarrollan modelos de contra medidas capaces de detectar ataques de suplantación de voz. Se utiliza la base de datos otorgada por el desafío ASVspoof que se centra en ataques de suplantación por medio de audio . Para llevar a cabo esta tarea, es necesario primero realizar un pre-procesamiento de los audios, es decir, extraer información útil de los audios por medio de sus  características, entre los métodos más conocidos se encuentran MFCC, CQCC, LFCC que son coeficientes extraídos de cada audio.

Para este trabajo se desarrollaron múltiples modelos, en los que se utilizan tanto los espectrogramas obtenidos directamente de los audios, así como extraer coeficientes MFCC, para posteriormente ser utilizados en un ensamble de varios modelos basados en CNNs (Convolutional Neural Networks), y DNNs (Deep Neural Networks), donde cada uno funge como un sistema experto y que finalmente se ensamblan para dar una sola predicción basado en el conocimiento que arrojó cada uno.

Al final se obtienen sólo dos posibles resultados, para cada audio suministrado: genuino o falso. Estos sistemas se pueden reconocer como de contramedida ya que su finalidad es lograr detectar ataques de audio (spoof) por medio de un sistema robusto y confiable.

Semblanza:

Carlos Alberto Hernández Nava recibió el título de Ingeniero en Informática en la Unidad Profesional Interdisciplinaria de Ingeniería y Ciencias Sociales y Administrativas del Instituto Politécnico Nacional, el grado de Maestro en Ciencias y Tecnologías de la Información en la Universidad Autónoma Metropolitana unidad Iztapalapa. Actualmente se encuentra en la etapa final de sus estudios de Doctorado. El área de interés para investigación se enfoca actualmente en la detección de audio con fines malintencionados.