• Primera Universidad Latinoamericana en ofrecer esta maestría
  • Primera Universidad Latinoamericana en ofrecer esta maestría
Previous Next

Bienvenidos al posgrado

 

NOVEDADES

 

Noviembre 2022

 

Defensa de Tesis - Ing. Adrián Cal

El día Lunes 28/11 a las 11 hs. será la defensa de Tesis del Ing. Adrián Cal titulada "Metodología automática para mapeo y seguimiento de la condición de cultivos agrícolas durante la zafra a partir de imágenes satelitales y aprendizaje automático en Uruguay". La misma se realizará de manera virtual y contará con la dirección del Dr. Pablo Musé y la co-dirección del Dr. Javier Preciozzi. Los Jurados serán: Dr. Francisco Grings, Dr. Rafael Grimson y Dra. Virginia Fernández.

Click aquí para ver la transmisión en vivo

Resumen:   El presente trabajo tiene como principal objetivo el desarrollo de una metodología para la identificación de cultivos agrícolas de verano en Uruguay, a partir del uso de imágenes satelitales y aprendizaje automático. Para ello, como insumo se utilizaron bases de datos con información georreferenciada de campo, e imágenes satelitales de libre acceso. De las bases, dos fueron proporcionadas por organizaciones de productores agropecuarios y son de chacras con agricultura, y otras del Ministerio de Ganadería, Agricultura y Pesca de Uruguay (MGAP). Una con información de coberturas y usos del suelo, y otra de chacras con planes de uso para conservación del suelo por erosión. Los cultivos agrícolas presentes en las bases son maíz, soja y sorgo. Las imágenes utilizadas provienen de los satélites de tipo óptico, Sentinel 2 y Terra, y de Sentinel 1, que tiene un sensor radar de apertura sintética. De estos satélites, en particular de Sentinel 1 y 2, se obtuvieron series temporales de varias bandas del espectro electromagnético. El procesamiento de los datos se hizo a través del uso combinado de algoritmos de clasificación no supervisada, supervisada y de reducción de la dimensionalidad. De los no supervisados se evaluaron Gaussian Mixture Model (GMM), K-Means, Learning Vector Quantization (LVQ), Self Organizing Map (SOM) de Kohonen y Spectral Clustering. De los supervisados se evaluaron AdaBoost, Gradient Tree Boosting, Random Forest, Support Vector Machine (SVM) y XGBoost. El algoritmo de reducción de la dimensionalidad utilizado fue t-Distributed Stochastic Neighbor Embedding (t-SNE).

Una de las herramientas utilizadas para el procesamiento de los datos georreferenciados y las imágenes satelitales es la moderna y potente plataforma de análisis geoespacial en la nube Google Earth Engine (earthengine.google.com). Con el uso de esta herramienta se generaron mapas a nivel nacional clasificados pixel a pixel. Combinando clasificación no supervisada con el algoritmo de t-SNE se desarrolló una técnica para identificar y depurar datos mal etiquetados, así como zonas sin agricultura dentro de las chacras. Para la clasificación supervisada se generaron modelos que en la dimensión espacial trabajan clasificando puntos georreferenciados, o a nivel nacional, pixel a pixel, y a nivel de cultivo estos indican si hay agricultura o no (modelos binarios) y el tipo de cultivo específico (maíz, soja o sorgo). De los algoritmos supervisados, Random Forest y XGBoost fueron los de mejor desempeño. Para los modelos de clasificación binaria, el mejor desempeño fue 98,5 de F1-Score. Para los modelos de cultivo a nivel de chacra, en maíz y sorgo, el mejor desempeño fue 75,3 y 77,5 de F1, y en soja 98,5, siendo este último superior al obtenido en varios trabajos internacionales. Otro de los objetivos específicos de este trabajo fue poder realizar el seguimiento de la condición de los cultivos en la chacra durante la zafra. Para ello se desarrolló una metodología que utilizando K-Means realiza la zonificación de la chacra en dos o más zonas de acuerdo con la evolución temporal del índice NDVI desde la siembra. Además, a partir de la firma fenológica mediana de la chacra, suavizada a paso diario, y con análisis de derivada primera, se extrajeron las métricas fenológicas de mínimo, punto de inflexión, máximo, días desde mínimo a máximo, amplitud de NDVI entre mínimo y máximo. A partir de estás métricas se puede caracterizar una chacra y hacer comparaciones con otras.

Volvemos a estar comunicados por vía telefónica

Se informa que la Maestría en Data Mining volvió a habilitar el contacto por vía telefónica. Para comunicarte con nosotros, podés hacerlo llamando al siguiente número: +54 (11) 5285 9800.

 

Octubre 2022


Defensa de Tesis - Lic. Juan Pablo Sokil

La Maestría en Data Mining felicita al Lic. Juan Pablo Sokil por la defensa de Tesis titulada "Producción Científica sobre Estudios de Género. Un análisis histórico y cultural a través del Procesamiento de Lenguaje Natural". La defensa se realizó el viernes 14/10 y contó con la dirección del Dr. Edgar Altszyler y la co-dirección del Dr. Marcelo Soria. Los Jurados fueron: Milagro Teruel, Axel Soto y Guillermo Henrión.

Resumen:  Los Estudios de Género son un área de conocimiento dentro de las Ciencias Sociales, se compone de estudios sobre feminismo, estudios de la mujer, estudios del hombre y estudios de diversidad sexual. Al igual que cualquier área temática, socializa sus investigaciones en forma de publicación científica. Esta tesis tiene por objeto analizar la producción científica sobre Género en Ciencias Sociales utilizando la base de datos Scopus entre los años 2004-2018 y propone conocer su distribución espacio-temporal, su magnitud y sus temáticas de investigación, además indagar si existe correlación con el Índice de Disparidad de Género, Global Gender Gap, partiendo de la hipótesis que los países con mayor disparidad de género son los que más investigan sobre el tema. Se utilizaron técnicas de procesamiento de lenguaje natural, se construyeron tópicos a partir de los títulos y resúmenes de las publicaciones (Latent Dirichlet Allocation), además se aplicaron una serie de test estadísticos para obtener mayor robustez en los datos.

Los resultados dan cuenta que los Estudios de Género han crecido a lo largo del período, no sólo en magnitud, sino que el interés relativo en la temática fue creciendo. Se pudo confirmar que están compuestos por una multiplicidad de Tópicos y que no solo hay países que dedican mayor esfuerzo que otros a estudiar sobre género, sino que lo hacen en distintas áreas temáticas. Con respecto a la correlación Global Gender Gap se encontró una gran incompatibilidad entre lo que se investiga en el área y lo que analiza el índice, de todos modos, fue posible encontrar algunas asociaciones a nivel regional y continental.

Click aquí para ver el video de la presentación

 

 

Agosto 2022

 

Defensa de Tesis - Lic. Leonardo Ignacio Córdoba

La Maestría en Data Mining felicita al Lic. Leonardo Ignacio Córdoba por la defensa de Tesis titulada "Generación de resúmenes de texto en español". La defensa se realizó el miércoles 17/08 y contó con la dirección del Dr. Leandro Ezequiel Lombardi. Los Jurados fueron: Dra. Luciana Benotti, Dr. Edgar Altszyler y Dr. Agustín Gravano.

Resumen: en los últimos años han habido grandes avances en las tareas de generación de texto. Especialmente, el desarrollo y generalización de los modelos pre entrenados permite el entrenamiento de modelos para tareas especializadas a bajo costo computacional. Por otro lado, el resumen abstracto de texto es una tarea para la cual son relativamente pocos los conjuntos de datos disponibles en español. Por este motivo, este trabajo se enfoca en el entrenamiento de modelos de aprendizaje automático para resumen en español y la construcción de conjuntos de datos apropiados para esta tarea.

Como parte del mismo se disponibilizan 5 modelos entrenados a partir de arquitecturas basadas en Transformers y 2 conjuntos de datos obtenidos de Common Crawl. Además, se comparan métricas calculadas automáticamente con puntajes obtenidos mediante etiquetado manual.
 

Click aquí para ver el video de la presentación


Inscripción Ciclo Lectivo 2023

La inscripción ha sido cerrada.


Aranceles Matrícula y Cursos de Nivelación 2023

Para ver los aranceles de la Matrícula y de los Cursos de Nivelación hacer click aquí.

Notificaciones - Inscripciones Ciclo Lectivo 2023

Si querés recibir alertas con las actualizaciones respecto de las inscripciones, anotate en este formulario. 

 

Charla informativa virtual - 02/08

El Dr. Juan Kamienkowski -Director de la Maestría en Explotación de Datos y Descubrimiento del Conocimiento de la Universidad de Buenos Aires- brindó una charla informativa vía Zoom donde comentó sobre la organización del posgrado, el plan de estudios y el plantel académico, la realización de las tesis y las incumbencias profesionales del/la egresado/a.

Click aquí para ver el video de la presentación

 

Julio 2022

 

Charla informativa en el marco de la ECI - Martes 26/7

El Martes 26/7 de 12:30 a 13 hs. se realizará una charla informativa de la Maestría, en el marco de la Escuela de Ciencias Informáticas (ECI 2022). La misma será presencial y no es necesaria una inscripción previa. Click aquí para ver más información del evento.

 

 

ceromasinfinito

Informamos que ya nos mudamos al nuevo Edificio Cero + Infinito
Por el momento no contamos con
líneas telefónicas, por este motivo solo se recibirán y se responderán consultas vía e-mail.

 

 

Mayo 2022

 

Defensa de Tesis - Lic. Sergio De Raco


La Maestría en Data Mining felicita al Lic. Sergio de Raco por la defensa de Tesis titulada "Movilidad interindustrial de empleo en la Argentina: Análisis usando redes complejas". La defensa se realizó el viernes 20/05 y contó con la dirección de la Dra. Viktoriya Semeshenko. Los Jurados fueron: Dr. Sosa Escudero Walter, Dr. Germán Rosati y Dr. Daniel Heymann.

Resumen:  En esta tesis se analiza el fenómeno de la movilidad intersectorial del empleo a partir de registros administrativos de gran nivel de detalle del período 1996-2020 mediante enfoques de redes complejas. La movilidad laboral resume aspectos dinámicos y estructurales del funcionamiento de los mercados de trabajo. En particular, la movilidad laboral de las personas que transitan desde un empleo hacia otro conllevan intercambios de capacidades y habilidades entre sectores de actividad. Al observar estos movimientos es posible extraer información valiosa que permite caracterizar aspectos subyacentes de la estructura productiva nacional.

En economía usualmente se analiza información de actividad económica sectorial agregada en un conjunto reducido de categorías, familiares a analistas y tomadores de decisiones de políticas públicas, que proveen información comprensible en términos de conceptos tradicionales, analizables mediante métodos también tradicionales. Los datos de empleo que surgen de registros administrativos identifican a gran nivel de detalle la actividad de los empleadores, lo cual presenta un desafío en cuanto a la interpretación de los sectores productivos y a su abordaje analítico. Estos datos originan naturalmente una red temporal de interacciones bipartita entre trabajadores y empresas. A partir de estas observaciones surge interés en indagar acerca de las características estructurales que revelan los intercambios de empleo entre industrias a tales niveles de detalle, aún poco explorados, así como la medida en que son estables en el tiempo. Adicionalmente, interesa identificar agrupamientos relevantes de los flujos entre industrias y la información que aquellos permitan extraer respecto al entramado productivo.

En esta tesis se pone el foco en extraer información de estos flujos intersectoriales de empleo en base a datos de registro con identificación de la actividad económica de los empleadores a un nivel de detalle prácticamente inexplorado. Se encuentra que las relaciones intersectoriales que surgen de las transiciones de empleo interindustriales revelan una historia de elevada y persistente conectividad que evidencia una estructura de interacciones densa, organizada en un solo componente conexo con caminos cortos que permiten verificar la propiedad de "mundo pequeño". Por otro lado, se identifican estructuras de organización sectorial de centro y periferia, que aportan información de aspectos funcionales de las interacciones entre sectores mediadas por el empleo en consonancia con la organización productiva, que permite detectar dos grandes núcleos de alta interacción y otros subgrupos de sectores periféricos relativamente estables en el tiempo. En términos de la evolución del sistema, se evidencian cambios en la organización de la estructura de interconexiones de mediano plazo en "regímenes" de conectividad de la movilidad laboral, en correlación con la actividad económica agregada.

En suma, se encuentra que el abordaje del análisis de flujos de empleo entre industrias a partir de la conectividad provista por metodologías de redes complejas enriquece el estudio del fenómeno de la movilidad laboral aportando nuevas analogías y métricas para su mejor comprensión. Desde el punto de vista de la minería de datos se logra extraer conocimiento original y útil, y aportar métodos accesibles y replicables para reproducir, mejorar y extender el análisis aquí propuesto.

Click aquí para ver el video de la presentación

 

Abril 2022


Inscripciones 2023

Las fechas para las inscripciones al Ciclo Lectivo 2023 serán anunciadas a partir del mes de Julio de 2022 por este mismo medio.

 

Marzo 2022

 

Inicio del Primer Cuatrimestre 2022: 21/03


Primer
 Año

 

Segundo Año

  • Taller de Tesis I - Martes de 19 a 22 hs. (cuatrimestral - obligatoria), comienza el 22 de Marzo y finaliza el 5 de Julio.
  • Taller de Tesis II - Martes de 19 a 22 hs. (cuatrimestral - obligatoria), comienza el 22 de Marzo y finaliza el 5 de Julio.
  • Modelos Relacionales en Ciencias de Datos - Lunes de 19 a 22 hs. (cuatrimestral), comienza el 21 de Marzo y finaliza el 4 de Julio.
  • Visualización de la Información - Miércoles (Semanal) de 18 a 20 hs. y Sábados (quincenal) de 10 a 12 hs. / 13 a 15 hs., comienza el 23 de Marzo y finaliza el 6 de Julio.
  • Sistemas de Información Geográfica - Jueves de 19 a 22 hs. (cuatrimestral), comienza el 24 de Marzo y finaliza el 7 de Julio.
  • Redes Neuronales - Miércoles y Viernes de 19 a 22 hs. (bimestral), comienza el 23 de Marzo y finaliza el 20 de Mayo. 

 

Defensa de Tesis - Diego Edwars


La Maestría en Data Mining felicita a Diego Edwars por la defensa de Tesis titulada "Segmentación del ciclo de la marcha humana utilizando Modelos Ocultos de Markov". La defensa se realizó el 11/03 en modalidad virtual. Contó con la dirección de la Dra. Mónica Miralles.

Resumen:  Este trabajo se enfoca en la problemática tendiente a la caracterización del equilibrio humano, normal o disfuncional, de pacientes adultos mayores con riesgo de caída, donde la marcha es un gesto motor central de análisis, ya que permite definir indicadores del riesgo de caída, a partir de la desviación del valor de las variables definidas para un ciclo normal. Para modelar la marcha, las extremidades inferiores se abordan con el modelo biomecánico de péndulo invertido, en el cual su movimiento depende de la aceleración y fuerza realizada por los músculos, optimizando, de esta forma, la energía utilizada para efectuar dicho movimiento.

La importancia de este abordaje reside en el hecho de que la declinación motora, debida al envejecimiento natural, o a otros factores concomitantes, se manifiesta con un creciente aumento de variabilidad en los registros de equilibrio. Esta observación se acentúa en los adultos mayores y en los pacientes geriátricos. El riesgo de caídas aumenta con las enfermedades crónicas degenerativas que, según el tipo de lesión provocada, incrementan el riesgo de muerte, y en todos los casos, conllevan al empeoramiento de la calidad de vida del paciente y de su entorno cercano. Se presenta aquí un Modelo Oculto de Markov (en inglés, Hidden Markov Model —HMM—) para el estudio de la marcha humana. Este resultó de la combinación de dos modelos de tres estados ocultos cada uno, haciendo uso de las librerías DepmixS4 y RcppHMM del software libre R. 

La validación se realizó por el método de validación cruzada de dos diferentes maneras, procesando las 3 señales de acelerometría provistas por los sensores ubicados en el tobillo izquierdo y en el tobillo derecho de un total de 20 sujetos sanos (edad: 33,4 ± 7 años, altura: 172,6 ± 9,5 cm, masa muscular: 73,2 ± 10,9 kg), que efectuaron diferentes pruebas de marcha, en entorno abierto y cerrado. Todas estas señales están disponibles en la base abierta MAREA. El modelo alcanzó un valor de Exactitud de 93,2% para la detección de pasos, en una marcha controlada de entorno cerrado.

Se concluye que este trabajo aporta una herramienta de análisis que puede ser replicada y mejorada para la investigación de la marcha humana senil o patológica, como así también ser incorporada a dispositivos en estudios de seguimiento clínico. Los resultados se agregan, y fueron comparables, a otros ya publicados, en donde también han utilizado la base de datos MAREA.

Click aquí para ver el video de la presentación

 

Diciembre 2021

 

Defensa de Tesis - Leonardo Salvador Rocco


La Maestría en Data Mining felicita a Leonardo Salvador Rocco por la defensa de Tesis titulada "Redes sociales basadas en geolocalización en la Ciudad Autónoma de Buenos Aires (2009-2015)". La defensa se realizó el 29/12 en modalidad virtual. Contó con la dirección del Dr. Marcelo Soria. El jurado estuvo integrado por: Dr. Ivo Koch, Dr. Luciano Grippo y Dra. Flavia Bonomo.

Resumen: La localización, en tanto ubicación en un espacio geográfico dado, es uno de los componentes principales del contexto de las personas a partir del cual se pueden estudiar cuestiones tales como intereses individuales y sociales, comportamiento en términos espaciales y temporales así como relaciones con otros individuos. El tipo de redes sociales que se basan en la localización de sus usuarios recibe el nombre de redes sociales basadas en ubicación (LBSN). Utilizando datos registrados en Foursquare (https://foursquare.com), aplicación para dispositivos móviles que provee a sus usuarios búsquedas personalizadas y localizadas, se analizaron las actividades espacio-temporales y redes sociales que registraron los usuarios dentro de la Ciudad Autónoma de Buenos Aires entre 2009 y 2015. Entre los hallazgos más importantes, se encuentra que las personas que tienen un lazo de amistad en la plataforma sociabilizan más cerca, en términos geográficos, que aquellas personas que no son amigas en la misma. Se encuentra evidencia de que los usuarios no hispano parlantes frecuentan sectores más concentrados geográficamente de la ciudad y tienen diferentes características que los usuarios hispano parlantes.

Click aquí para ver el video de la presentación


Defensa de Tesis - Julio Augusto Spairani

La Maestría en Data Mining felicita a Julio Augusto Spairani por la defensa de Tesis titulada "Diseño de una herramienta para minería de redes de coautoría. Estudio del caso de la Revista Argentina de Antropología Biológica". La defensa se realizó el 21/12 en modalidad virtual. Contó con la dirección de la Dra. María Gabriela Russo. La Co-Directora fue la Dra. María Elena Buemi. El jurado estuvo integrado por: Dra Marina Sardi, Dr. Marcelo Soria y Mg. Diego Kozlowski.

Resumen:
 La presente tesis aborda el problema del análisis bibliométrico dentro de una revista científica local en un periodo de 20 años desde su primera edición, que al momento de escritura del trabajo no figuraba en las principales bases de datos (como Scopus o Web of Science). El propósito de este trabajo fue crear una aplicación de código abierto para explorar redes de coautoría, y analizar específicamente el caso de la “Revista Argentina de Antropología Biológica” (RAAB). En este estudio se utilizaron métodos como minado web para la creación de la base de datos, y la librería Shiny para la creación de la aplicación en lenguaje R. La aplicación desarrollada fue luego utilizada para explorar los datos y obtener resultados sobre la red de coautoría en el contexto de la RAAB. De esta forma, se constataron hipótesis acerca del crecimiento de la red en el tiempo, los roles de los autores fundadores, la absorción de componentes a lo largo del tiempo y la presencia de características comunes en redes de coautoría científica como Mundo Pequeño y Libre Escala. Se espera que este aporte pueda expandirse a otras revistas dentro de la disciplina, como a otras disciplinas.

Click aquí para ver el video de la presentación



Defensa de Tesis - Federico Tomás Poncio


La Maestría en Data Mining felicita a Federico Tomás Poncio por la defensa de Tesis titulada "Análisis topológico de datos en conectomas del espectro autista". La defensa se realizó el 16/12 en modalidad virtual. Contó con la dirección del Dr. Claudio Delrieux. El Co-Director fue el Dr. Emmanuel Iarussi. El jurado estuvo integrado por: Dra. María Elena Buemi, Dr. Fernando Tohmé y Dr. César Martínez.

Resumen: Este trabajo explora los potenciales aportes del Análisis Topológico de Datos en el diagnóstico de los Trastornos del Espectro Autista. Con resonancias magnéticas funcionales de reposo de 1150 sujetos disponibilizadas en la competencia IMPAC: IMaging-PsychiAtry Challenge - Predicting Autism se reconstruyen conectomas por sujeto y se computan sus diagramas de persistencia asociados a dimensiones de homología cero y uno. Se encuentra que la topología de los conectomas no aporta el suficiente poder discriminante en estos casos. El análisis se complementa con el dataset abierto ABIDE, con simulaciones de resonancias magnéticas, con el uso de las siete parcelaciones cerebrales disponibles, y variados modelos de predicción.


Click aquí para ver el video de la presentación




Noviembre 2021

 

Defensa de Tesis - Lucio Aliperti Car

La Maestría en Data Mining felicita a Lucio Aliperti Car por la defensa de Tesis titulada "Arquetipos en secuencias biológicas: Estudio del uso de codones y aminoácidos en seres vivos".

La defensa se realizó el 30/11 en modalidad virtual. Contó con la dirección del Dr. Ignacio Enrique Sánchez Miguel. El jurado estuvo integrado por: Dra. Diana Posadas, Dr. Marcelo Soria y Dr. Santiago Laplagne.


Click aquí para ver el video de la presentación



Agosto 2021

 

Inscripción Ciclo Lectivo 2022

Se informa que la inscripción ha sido cerrada. Se informará el resultado de la selección de la inscripción durante la semana del 23 de Agosto de 2021.

Charla Informativa - Inscripciones para el Ciclo Lectivo 2022

El Dr. Juan Kamienkowski -Director de la Maestría en Explotación de Datos y Descubrimiento del Conocimiento de la Universidad de Buenos Aires- brindó una charla informativa vía Zoom donde comentó sobre la organización del posgrado, el plan de estudios y el plantel académico, la realización de las tesis y las incumbencias profesionales del/la egresado/a. La charla se desarrolló el día 4 de agosto de 2021 y contó con la presencia de más de 90 asistentes.

Inicio del Segundo Cuatrimestre 2021: 17/08


  Materias Primer
 Año

    Data Mining en Economía y Finanzas - Lunes y Jueves de 19 a 22 hs.
    Data Mining en Ciencia y Tecnología - Martes y Viernes de 19 a 22 hs.
    Enfoque Estadístico del Aprendizaje - Sábados de 9 a 13 hs.

  Materias Segundo Año

    Taller de Tesis II - Viernes de 19 a 22 hs. (cuatrimestral), días a confirmar
    Bases de Datos NoSQL - Martes de 18.15 a 21.15 hs., comienza el Martes 17 de Agosto y finaliza el Martes 30 de Noviembre.
    Series Temporales - Lunes y Miércoles de 18 a 22 hs., comienza el Miércoles 18 de Agosto y finaliza el Miércoles 13 de Octubre.
    Minería de Texto - se dictará de 18 a 22 hs. los Jueves desde el 13 de Agosto al 14 de Octubre y los Miércoles desde el 20 de Octubre al 1 de Diciembre.
    Sistemas de Recomendación - Lunes y Jueves de 18 a 22 hs., comienza el Lunes 18 de Octubre y finaliza el Lunes 13 de Diciembre.



Julio 2021


Defensa de Tesis - Mg. Jimmy Mateo Guerrero Restrepo

La Maestría en Data Mining felicita al flamante Magíster Jimmy Mateo Guerrero Restrepo por la excelente defensa de Tesis titulada "Aplicación de técnicas de minería de texto para el descubrimiento de relaciones conceptuales entre los trabajos de grado de la Universidad de Nariño".

La defensa se realizó el 30/7 en modalidad virtual. Contó con la dirección del Dr. Ricardo Timaran Pereira. El jurado estuvo integrado por: Dra. Laura ALONSO ALEMANY, Mg. Roberto ABALDE, Dra. Viviana COTIK.

El trabajo propuso descubrir relaciones conceptuales entre los trabajos de grado de la Universidad de Nariño (Colombia) utilizando técnicas de minería de texto que faciliten la recuperación de trabajos de grado relacionados con la temática de la búsqueda identifi cando similitudes y diferencias entre ellos.

Click aquí para ver el video de la presentación


Defensa de Tesis - Mg. Juan Ignacio Mazza

La Maestría en Data Mining felicita al flamante Magíster Juan Ignacio Mazza por la excelente defensa de Tesis titulada "Pronóstico estadístico de precipitación mensual para la región de Gran Chaco, Argentina".

La defensa se realizó el 12/7 en modalidad virtual. Contó con la dirección de la Dra. Marcela Hebe González y co-dirección del Dr. Julio Cesar Rodríguez Martino. El jurado estuvo integrado por: Dra. Romina MEZHER, Dra. Matilde RUSTICUCCI y Dra. Carolina S. RAMOS.

El trabajo propuso explorar diversos modelos no lineales de machine learning para pronosticar las lluvias mensuales en la región de Gran Chaco, generando una solución automatizada aplicable para cualquier región de la Argentina adaptando el conjunto de predictores.

Click aquí para ver el video de la presentación

 

Blog Predictivos

Nuevos posts en el Blog Predictivos.



Abril 2021


Defensa de Tesis - Mg. Guillermo Facundo Poblete Pantoni

La Maestría en Data Mining felicita al flamante Magíster Ing. Guillermo Facundo Poblete Pantoni por la excelente defensa de Tesis titulada "Herramienta de selección de variables para vincular regiones del cerebro y genes relacionados con patologías psiquiátricas".

La defensa se realizó el 20/4 en modalidad virtual. Contó con la dirección del Dr. Ramiro SALAS. El jurado estuvo integrado por: Dr. Ariel BERENSTEIN, Mg Matías BUTTI, Dr. Juan KAMIENKOWSKI.



Marzo 2021


Inicio del Ciclo Lectivo 2021: 22/03


  Materias Primer
 Año

      Aprendizaje Automático
      Data Mining
      Análisis Inteligente de Datos


  Materias Segundo Año

     Taller de Tesis I
     Sistemas de Información Geográfica (Optativa)
     Modelos Relacionales en Ciencias de Datos (Optativa)
     Redes Neuronales (Optativa)
     Visualización de la Información (Optativa)
     Aprendizaje Automático en Grafos (Optativa)