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

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
Zoom: https://uammx.zoom.us/my/pcyti (contraseña: semiPCyTI)
Presenta: María Esther Sosa Rodríguez
Afiliación: Alumna del DCyTI
Asesores: Dra. 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
Zoom: https://uammx.zoom.us/my/pcyti (contraseña: semiPCyTI)
Presenta: Daniel Edahi Urueta Hinojosa
Afiliación: Alumno del DCyTI
Asesores: Dr. 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.

Cambio de hora de ponencias del próximo seminario (22 de abril de 2021)

La ponencia de Daniel Edahi Urueta Hinojosa con título “Modelos de aprendizaje no supervisado para la nutrición” y la ponencia de María Esther Sosa Rodríguez con título “Desarrollo de incentivos para la recolección de datos bajo el esquema Spatial Crowdsourcing” para el seminario del próximo jueves 22 de abril de 2021, cambian su hora de presentación, quedando como sigue:

• 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
  Presenta: María Esther Sosa Rodríguez

• Título de la ponencia: Modelos de aprendizaje no supervisado para la nutrición
  Fecha: 22 de abril de 2021 a las 11:30 hrs
  Presenta: Daniel Edahi Urueta Hinojosa

Los datos de la sala de Zoom no tienen cambios:

• Zoom: https://uammx.zoom.us/my/pcyti (contraseña: semiPCyTI)

Próximo seminario: 1. Análisis del costo de la síntesis o renderizado de imágenes fotorrealistas del método de Ray Tracing. 2. Análisis y optimización de redes sociales multiplex

Titulo de la ponencia: Análisis del costo de la síntesis o renderizado de imágenes fotorrealistas del método de Ray Tracing
Fecha: 15 de abril de 2021 a las 11:00 hrs
Zoom: https://uammx.zoom.us/my/pcyti (contraseña: semiPCyTI)
Presenta: Habersheel Acevedo Atenco
Afiliación: Alumno del DCyTI
Asesora: Dra. Graciela Román Alonso

Resumen:

El renderizado de imágenes fotorrealista es un algoritmo cuyo objetivo es el de producir una imagen, a partir de una escena abstracta, cuya calidad sea tal que no se la pueda diferenciar de una fotografía verdadera. El ray tracing es uno de estos algoritmos, del cual se desprenden métodos de renderizado más particulares, que se diferencian en la forma en que llevan a cabo los pasos del ray tracing: path tracing (PT), bidirectional path tracing (BDPT), stochastic progressive photon mapping (SPPM), por mencionar algunos. No obstante, el tiempo de procesamiento de todos ellos resulta muy alto, por esto se han propuesto sistemas paralelos con el fin de reducir estos tiempos. Sin embargo, la distribución del trabajo dentro del sistema paralelo debe hacerse de manera adecuada, o se corre el riesgo de no aprovechar el sistema paralelo de manera eficiente. En esta plática propondremos maneras de estimar el costo del renderizado de algunos métodos de ray tracing y los resultados que estas estimaciones tienen al usar esta información dentro de un sistema paralelo multiprocesador. Estas estimaciones tienen la particularidad de usar información de los materiales dentro de la escena, aproximación que ha sido poco estudiada hasta la fecha.

Titulo de la ponencia: Análisis y optimización de redes sociales multiplex
Fecha: 15 de abril de 2021 a las 11:30 hrs
Zoom: https://uammx.zoom.us/my/pcyti (contraseña: semiPCyTI)
Presenta: Edwin Montes Orozco
Afiliación: Alumno del DCyTI
Asesores: Dr. Sergio Gerardo de los Cobos Silva y Dr. Román Anselmo Mora Gutiérrez (UAM-A)

Resumen:

En los últimos años, algunos tópicos como la influencia de los nodos, la robustez y la formación de comunidades en diversos modelos de redes, se han vuelto de interés en la comunidad de la ciencia de redes debido a que tienen diversas aplicaciones prácticas e interdisciplinares. En esta investigación, se abordan estas problemáticas mediante el uso, combinación y adaptación de métricas de redes complejas y técnicas de optimización para redes monoplex y multiplex de 2, 3 y 5 capas.