Próximo seminario: 1. Desarrollo de incentivos para la recolección de datos bajo el esquema Spatial Crowdsourcing. 2. Modelos de aprendizaje no supervisado para la nutrición

  • -

Próximo seminario: 1. Desarrollo de incentivos para la recolección de datos bajo el esquema Spatial Crowdsourcing. 2. Modelos de aprendizaje no supervisado para la nutrición

21-l

Título de la ponencia: Desarrollo de incentivos para la recolección de datos bajo el esquema Spatial Crowdsourcing
Fecha: 22 de abril de 2021 a las 11:00 hrs
Zoomhttps://uammx.zoom.us/my/pcyti (contraseña: semiPCyTI)
PresentaMaría Esther Sosa Rodríguez
Afiliación: Alumna del DCyTI
AsesoresDra. Elizabeth Pérez Cortés y Dr. Miguel López Guerrero

Resumen:

Hoy en día, gracias a la innovación tecnológica y al fácil acceso a los dispositivos móviles, una gran cantidad de aplicaciones desarrolladas para este tipo de dispositivos utilizan el enfoque Spatial Crowdsourcing (SCS). Este enfoque permite llevar a cabo la recolección de datos a través de dispositivos móviles para diversos fines, tal como generar nueva información a partir de los datos recolectados, o bien proporcionar algún tipo de servicio. El éxito de las aplicaciones SCS depende en gran medida de la participación de los involucrados para realizar las tareas de recolección de datos y dicha participación se ve afectada por los incentivos o recompensas que se reciben por las tareas que realizan. Otro aspecto importante a considerar en los sistemas SCS es la dinamicidad que se presenta en la constante llegada de tareas, así como la llegada y partida de participantes al sistema o al área donde se requiere la recolección de la información. Lo anterior repercute directamente en la toma de decisiones al momento de asignar y realizar las tareas que han sido solicitadas al sistema. De lo anterior, surge nuestro interés de estudiar los incentivos en este tipo de sistemas, poniendo especial énfasis en los que otorgan servicios como recompensa por las tareas realizadas, así como el manejo de la dinamicidad presente en estos sistemas.

Título de la ponencia: Modelos de aprendizaje no supervisado para la nutrición
Fecha: 22 de abril de 2021 a las 11:30 hrs
Zoomhttps://uammx.zoom.us/my/pcyti (contraseña: semiPCyTI)
PresentaDaniel Edahi Urueta Hinojosa
Afiliación: Alumno del DCyTI
AsesoresDr. Pedro Lara Velázquez y Dr. Miguel Ángel Gutiérrez Andrade

Resumen:

La Encuesta Nacional de Salud y Nutrición del 2020 reveló que el 72.5% de los ciudadanos mexicanos presentan problemas sobrepeso y obesidad. Como una medida para atender este problema, México publicó la norma oficial NOM-051 el 31 de julio de 2020 en la cual se establece la implementación de un nuevo etiquetado de advertencia para informar a los consumidores con claridad y sencillez sobre excesos de nutrientes que generan estos problemas; sin embargo, existen casos en determinados productos que, a pesar de tener la misma cantidad de etiquetas, en realidad se pueden distinguir entre aquellos que son más saludables para consumo humano y los que no lo son; asimismo, también existen productos que, no obstante de venderse como diferentes tanto en apariencia, nombre, contenido y etiquetado, en realidad no presentan diferencias significativas entre ellos respecto a su aporte nutricional. El presente trabajo muestra dos estudios realizados usando técnicas de reconocimiento de patrones no supervisadas para determinar cuáles son los cereales de caja más saludables y las diferencias entre las distintas cremas comestibles en México.

Ultima actualización 10/07/2022 por pcyti