Próximo seminario: 1. Análisis del impacto de los tamaños de segmento en el desempeño de streaming de vídeo en Internet, 2. Modelos inteligentes para el pronóstico de contaminantes atmosféricos
21-lSe les invita al próximo seminario del Posgrado en Ciencias y Tecnologías de la Información (PCyTI)
Titulo de la ponencia: Análisis del impacto de los tamaños de segmento en el desempeño de streaming de vídeo en Internet
Fecha: 27 de mayo de 2021 a las 11:00 hrs
Zoom: https://uammx.zoom.us/my/pcyti (contraseña: semiPCyTI)
Presenta: Erik Miguel Díaz Salazar
Afiliación: Alumno del DCyTI
Asesor: Dr. Victor Manuel Ramos Ramos
Resumen:
MPEG-DASH es el estándar de streaming de audio y vídeo de mayor popularidad en los últimos años por la compatibilidad con la mayoría de los dispositivos y plataformas en el mercado. En DASH, el contenido multimedia se encuentra segmentado en pedazos con algunos segundos de duración, a diferentes tasas de bits. Dichos segmentos son descargados para su reproducción, según estimaciones de algoritmos ABR (adaptive bitrate) dadas las condiciones de la red. Los segmentos de corta duración pueden aprovechar las fluctuaciones en el ancho de banda, evitando la inanición en el búfer del reproductor a cambio de realizar un mayor número de peticiones GET. Por otro lado, los segmentos de mayor duración buscan tener una mayor eficiencia en la codificación al contar con un mayor número de GoP (group of pictures).
Este estudio, se centra en el desarrollo de estrategias para DASH que permitan el uso de segmentos de distinta duración, apoyándose de las estimaciones de los algoritmos ABR, y así ayudar a mejorar la calidad de la experiencia de los usuarios.
Título de la ponencia: Modelos inteligentes para el pronóstico de contaminantes atmosféricos
Fecha: 27 de mayo de 2021 a las 11:30 hrs
Zoom: https://uammx.zoom.us/my/pcyti (contraseña: semiPCyTI)
Presenta: Juan Andrés Martínez Escobar
Afiliación: Alumno del DCyTI
Asesores: Dr. Miguel Ángel Gutiérrez Andrade y Dr. Sergio Gerardo de los Cobos Silva
Resumen:
En años recientes, los modelos de pronóstico de calidad del aire han sido mejorados y expandidos continuamente. Diversos métodos para el manejo de series de tiempo pueden ser empleados para facilitar el control específico de la contaminación atmosférica y prevenir incidentes graves de contaminación. Con el enorme progreso de la inteligencia artificial y el “Machine learning” en años recientes, los modelos de pronóstico basado en estas técnicas se han vuelto muy populares y han llamado mucha atención. En esta presentación se da una breve explicación del estado del arte del pronóstico de contaminantes atmosféricos empleando modelos inteligentes, sus características y tendencias.
Ultima actualización 10/07/2022 por pcyti