Prácticas Profesionales Supervisadas

URI permanente para esta colección

https://rid.unaj.edu.ar/handle/123456789/141

Examinar

Mostrando 1 - 20 de 62

Análisis de calidad del agua a través de Técnicas de Aprendizaje Automático
(Universidad Nacional Arturo Jauretche. Instituto de Ingeniería y Agronomía, 2024-04-19) Nevado, Federico Horacio
El presente trabajo se enfoca en el análisis de muestras de agua del Río de La Plata con el fin de determinar su calidad, centrándose específicamente en la detección de presencia de cianobacterias y su concentración a través de técnicas de Inteligencia Artificial. Las cianobacterias representan una particular amenaza para la salud humana, ya que pueden producir toxinas perjudiciales y, al mismo tiempo, afectan al ecosistema en general, degradando la biodiversidad. Durante el desarrollo de este trabajo se emplearon tres modelos de aprendizaje automático supervisado: Redes Neuronales Artificiales (RNA), Árboles de Decisión y el algoritmo de KNN (k-Nearest Neighbors). Cada uno de estos modelos será evaluado y comparado, utilizando diferentes métricas de efectividad de modelos de predicción, con el fin de estimar la concentración de cianobacterias de la manera más eficaz posible. Para el entrenamiento y testeo de los modelos se utilizaron datos obtenidos desde 18 puntos de recolección ubicados sobre las costas del río, desde la desembocadura de Río Luján y Punta Piedras, zona que abarca más de 170 km de costa. Los resultados obtenidos muestran una fiabilidad medio-alta en la predicción de altas concentraciones de cianobacterias en los tres modelos, siendo el modelo de Árboles de Decisión el más efectivo con un 92% de exactitud. Con este modelo se espera poder realizar predicciones tempranas que permitan obtener medidas de manera más efectiva para mitigar los efectos nocivos que las cianobacterias tienen tanto en la calidad de vida de las personas como en el medio ambiente.
Aplicación web : conexión a brazo robótico guiado mediante visión artificial
(Universidad Nacional Arturo Jauretche. Instituto de Ingeniería y Agronomía, 2024-03-29) Lozada, Federico Ezequiel
En el presente Trabajo Integrador Final se realiza una implementación de desarrollo web que conectará con un brazo robótico guiado mediante visión artificial. Para llevar a cabo el mismo, en primer lugar se menciona el objetivo general y los específicos, seguido de las distintas tareas a ejecutar para poder crear la aplicación web. En segundo lugar, se especifican las herramientas necesarias para dicha implementación, así como el marco teórico y la fundamentación del uso de las mismas. En tercer lugar, se detalla la metodología que guía el desarrollo del presente trabajo, incluyendo más fundamentos de la implementación y arquitectura de la aplicación. Luego, se hace mención de los diferentes diseños realizados y su implementación en los distintos ámbitos que fue realizada, comenzando con la arquitectura back-end y de base de datos, para luego poder proseguir con los diseños visuales del front-end estos divididos en dos ramas distintas, su aplicación web de escritorio y el diseño web para móviles. Finalmente, se comentan los distintos inconvenientes a la hora de realizar el desarrollo, así como posibles mejoras tentativas que podría contener la arquitectura y ser un proyecto más robusto. Seguido de las conclusiones y reflexiones pertinentes. -
Aportes para la mejora de procesos del área de operaciones
(Universidad Nacional Arturo Jauretche, 2019) Hromek, Erik
Automatización de análisis de accesos y verificación SOD en aplicativos
(Universidad Nacional Arturo Jauretche, 2021) Armanno, Matias Nahuel
Desarrollo de automatización que revisa periódicamente roles que hayan sido asignados de manera errónea a un usuario según su función en la entidad, a su vez verifica aquellos usuarios que cuentan con permisos incompatibles por segregación de funciones.
Comparación de algoritmos de Machine Learning para aplicaciones ambientales
(Universidad Nacional Arturo Jauretche, 2022) Caballero, Hector Alexis
El presente informe es un trabajo de investigación enfocado en las bases de Machine Learning y su aplicación para resolver dos ejercicios de predicción. El primero consiste en calcular cuánto cobrará una aseguradora basado en los datos personales del individuo; el segundo consiste en clasificar un celular en un rango de precio dependiendo de sus especificaciones técnicas. Los algoritmos utilizados para la resolución de la tarea pertenecen a tres tipos de modelos: de Regresión, de Clasificación y de Redes Neuronales Artificiales. En total se utilizaron un total de cinco tipos de algoritmos: Regresión lineal múltiple, K-NN, Árbol de decisión, Bosques aleatorios, y Redes Neuronales Artificiales. Además, se demostró cómo analizar y preprocesar los datos para aumentar significativamente el rendimiento de los algoritmos. El resultado de la investigación retornó en todos los modelos un porcentaje de éxito que oscila entre el 79% y 96%. El informe tiene como principal función actuar como guía e introducción para los estudiantes e interesados en adentrarse al mundo de Machine Learning, tanto de manera teórica como práctica utilizando casos del mundo real. -
Croupier Stock
(Universidad Nacional Arturo Jauretche, 2020) Navarro, Gabriel
Desarrollo de una aplicación de integración con Andreani para el manejo de los envíos (paquetes, tarjetas) que llegan y se entregan en todas las sucursales del Banco Santander.
Data Quality Engineering
(Universidad Nacional Arturo Jauretche, 2022) Ifrán, Julián Agustín
Este proyecto se realizó en la empresa de consultoría de software Softtek para su cliente Techint Ingeniería & Construcción (TEIC) y consistió en el desarrollo y puesta en producción de un sistema que mida la calidad de sus datos almacenados Esta necesidad surge por parte del cliente, ya que necesitaba de una plataforma propia que le permitiera analizar sus bases de datos, encontrar inconsistencia y llevar a cabo acciones correctivas. Para ello, el objetivo del proyecto fue utilizar factores, métricas, métodos y reglas que permitieran medir (de forma cuantificable) la calidad de los datos. También se aprovechó el aprendizaje automático con la intención de detectar anomalías en los datos y así generar alertas tempranas. Las tareas del proyecto abarcan: el desarrollo de una aplicación que permitiera la creación y ejecución de reglas de calidad, la búsqueda de anomalías y la generación de alertas tempranas. Para esta tarea se utilizó un ecosistema principal de aplicaciones compuesto por C#, SQL Server, React y DevOps. Con este proyecto no solo se logró mejorar la calidad de los datos. Sino que también permitió acercar el cliente al desarrollo de métodos propios de medición, la utilización de inteligencia artificial, la detección temprana de anomalías. Para que en el futuro se pueda continuar en la implementación de un modelo de MLOPs y en nuevas acciones correctivas.
Deep Learning aplicado al procesamiento de imágenes para la detección de objetos reciclables
(Universidad Nacional Arturo Jauretche, 2021) Salina, Mauro David
Deep learning aplicado al procesamiento de imágenes para la detecciones de objetos
(Universidad Nacional Arturo Jauretche, 2022) Barreto, Agustina Ayelén
El presente trabajo tiene por objetivo general enfocarse en el desarrollo de una aplicación de software encargada de realizar una búsqueda de objetos en imágenes a partir de una clasificación de las mismas en tiempo real, mediante la cual se buscará detectar la presencia de determinados objetos en una imagen. El desarrollo se enfocará específicamente en el uso de redes neuronales convolucionales, las cuales han demostrado ser las más eficientes en el área del procesamiento de imágenes. Específicamente, se espera que el software permita realizar la tarea de detección de objetos dañados yen buen estado en imágenes o video
Deep Learning aplicado al procesamiento de tomografías por microondas
(Universidad Nacional Arturo Jauretche. Instituto de Ingeniería y Agronomía, 2023-12-18) Gomez Monteiro, Javier
El objetivo de este trabajo fue el del desarrollo de un software en Python utilizando Inteligencia Artificial de Redes Neuronales Convolucionales (CNN por sus siglas en inglés) de la librería de TensorFlow capaz de realizar estimaciones y reconstrucciones de las propiedades dieléctricas y geométricas cilindros dispersores medidos utilizando la técnica de imágenes por microondas sin información de fase. Con este fin, para el entrenamiento de la red, se generaron imágenes mediante un software de simulación en Python implementando la librería Meep con distintos tipos de arreglos geométricos y dieléctricos en los que se utilizaron como referencia dos cilindros homogéneos (uno dentro de otro) que representan un modelo de juguete de un corte transversal de tobillo. Las imágenes son representaciones directas de la magnitud del campo eléctrico medido en las antenas receptoras y generado por estas estructuras. Al no contar con mediciones experimentales, las mismas fueron simuladas utilizando la técnica de FDTD (Finite-Difference Time-Domain por sus siglas en inglés), que resuelve numéricamente las ecuaciones de Maxwell. A partir de esta premisa, se evaluaron diferentes topologías de redes neuronales variando los hiperparámetros de la red con el fin de encontrar la combinación óptima. Basados en estos resultados se logró conformar y compilar un modelo cuya tasa de predicción es aceptable en términos aproximados pero no del todo certera para aplicaciones donde se requieran resultados más precisos. Este comportamiento se puede deber a que, en esencia, el método de reconstrucción tomográfica sin información de fase pertenece a una categoría de problemas inversos mal planteados o mal condicionados donde no se conoce nada del objeto dispersor, se busca es reconstruir una imagen de las propiedades dieléctricas del dominio de investigación y sólo se tiene información en el dominio de medición (antenas receptoras).
Desarrollo de un sistema basado en aprendizaje automático para el sector hortícola
(Universidad Nacional Arturo Jauretche. Instituto de Ingeniería y Agronomía, 2023-12-20) Cabral, Sabrina Lourdes
En el presente trabajo se desarrolló un sistema basado en aprendizaje automático que permite la optimización y aprovechamiento del suelo para cultivos hortícolas. Para ello, se diseñaron tres modelos de aprendizaje automático, que en base a diversos parámetros del suelo determinó cuál es el cultivo más apropiado a cosechar. Estos modelos abarcaron la regresión logística, la máquina de soporte vectorial y una red neuronal. Por otro lado, se exploraron diversos métodos para analizar el set de datos empleado. Además, se utilizaron técnicas de validación cruzada para estimar el rendimiento de los modelos y se evaluó el comportamiento del mismo ante datos no conocidos a partir de sus métricas. Por otro lado, se diseñó y desarrolló una aplicación para la plataforma Android con el propósito de que los usuarios puedan visualizar diversos parámetros del suelo de su huerta. Esta aplicación, mediante la integración del modelo basado en una red neuronal, ofrece recomendaciones sobre el cultivo más adecuado al suelo, en función de los parámetros anteriormente mencionados. -
Desarrollo de un sistema de detección de malezas en cultivos de la región mediante el procesamiento de imágenes utilizando inteligencia artificial
(Universidad Nacional Arturo Jauretche, 2021) Denon, Nicole Alexandra
En los últimos años, han ocurrido distintos avances tecnológicos; Innovaciones como Big Data, Inteligencia Artificial, Cloud Computing, Machine Learning y Deep Learning han sido introducidas en diversas áreas tales como en finanzas, marketing, medicina, agricultura, académica, turismo, entre muchas otras. Esto se debe a que la transformación digital no es propia de un sector en particular, sino que toda la humanidad en su conjunto puede beneficiarse de ella de diferentes formas. Este trabajo se enfocará principalmente en la aplicación de Machine Learning (Aprendizaje Automático) y Deep Learning (Aprendizaje Profundo), aunque en realidad, también se emplean otras tecnologías relacionadas con las anteriores mencionadas. Machine Learning (ML) es un subcampo de la Inteligencia Artificial, cada vez más utilizado hoy en día por distintas instituciones (empresas, laboratorios, organizaciones gubernamentales, entre otras) dado que es aplicable a múltiples campos con resultados exitosos. Se trata de un modelo de análisis de datos en el cual, a partir de datos de entrada y de salida, el sistema "aprende" automáticamente detectando patrones y generando reglas. Estas últimas pueden aplicarse a otros datos de entrada para obtener resultados finales originales. De esta forma, el sistema se "entrena" para poder predecir respuestas con un margen de éxito. Por otro lado, el Deep Learning es un área del ML, que trata de simular el aprendizaje humano y está compuesto por distintas capas de procesamiento de datos. A esto se lo conoce como Redes Neuronales Artificiales profundas. Es posible encontrar fácilmente ejemplos de estas aplicaciones en la vida cotidiana, al acceder a una red social y visualizar las publicidades seleccionadas y que se leofrecen al usuario, haciendo uso de técnicas de ML, específicamente en este caso,de una técnica llamada "segmentación del cliente". En este sentido, la presente Práctica Profesional Supervisada (PPS) tiene como finalidad el desarrollo de un sistema de detección de malezas que se encuentren con frecuencia en cultivos del territorio argentino -principalmente la región pampeana- mediante el procesamiento de imágenes utilizando técnicas de Machine Learning. La PPS se desarrollará en el marco del Proyecto de Investigación de la Universidad Nacional Arturo Jauretche UNAJ INVESTIGA 2017 (Código del Proyecto 80020170200025UJ y Resolución Rectoral N° 148/18 de fecha 29/06/2018), cuyo título es "Tecnologías de la información y las comunicaciones mediante IoT para la solución de problemas en el medio socioproductivo" (Director: Jorge Osio).
Desarrollo de un Software para la Resolución del Problema Directo en Técnicas de Tomografía de Microondas utilizando el Método de Elementos Finitos
(Universidad Nacional Arturo Jauretche. Instituto de Ingeniería y Agronomía, 2023-12) Luparello, Diego Ezequiel
Se realiza un software que simula tomografías de microondas, utilizando como lenguaje principal Python, dentro de un Jupyter Notebook empaquetado todo en un Docker.
Despliegue de cloud computing en el ámbito universitario
(Universidad Nacional Arturo Jauretche, 2016) Zaccardi, Gonzalo Emanuel
Despliegue de un cloud en el ámbito universitario utilizando Fuel+ Openstack.
Diseño de un laboratorio remoto para la enseñanza de programación de sistemas embebidos
(Universidad Nacional Arturo Jauretche, 2022) Piñeiro, Juan Ignacio
Diseño, desarrollo e implementación de la plataforma móvil para la gestión de turnos en salud en la Municipalidad de Berazategui
(Universidad Nacional Arturo Jauretche, 2018) Vitucci, Bruno Nicolás
Aplicación móvil nativa para dispositivos android que consiste en un sistema de reserva de turnos online para usuarios y pacientes orientada a maximizar la eficiencia en la gestión de turnos para ser atendidos en Centros de Atención Primaria de la Salud (CAPS) del partido de Berazategui.
Diseño, desarrollo e implementación de plataforma web para el uso de laboratorios remotos de física
(Universidad Nacional Arturo Jauretche, 2019) Ayala, María Florencia
Trabajo de investigación e implementación de un Laboratorio Remoto en un Entorno Virtual de Enseñanza y Aprendizaje, que favorezca la experiencia del aluno en el funcionamiento de oscilación de una cuerda que varía con el cambio de frecuencia.
Estudio de técnicas de smart IoT aplicadas a la detección de gestos para el accionamiento de dispositivos
(Universidad Nacional Arturo Jauretche, 2023) Busum Fradera, Matías Gabriel
Este trabajo presenta el desarrollo y la implementación de un sistema basado en Internet de las Cosas (IoT) y visión por computadora para detectar y responder a gestos, destinado a mejorar la autonomía y calidad de vida de personas con discapacidades. El enfoque inclusivo busca empoderar a estos individuos en su interacción con su entorno. El sistema emplea una cámara para capturar imágenes que posteriormente se someten a procesamiento con el fin de identificar gestos como el alzamiento de cejas o el guiño de un ojo. El proceso de desarrollo involucró técnicas de IoT, procesamiento de imágenes y aprendizaje automático para lograr detección precisa. La arquitectura consta de un servidor, una aplicación de procesamiento de imágenes, varios microcontroladores y distintos tipos de dispositivos de visualización. La identificación de gestos activa los microcontroladores para ejecutar acciones en el entorno físico como respuesta. Los dispositivos de visualización muestran el proceso en tiempo real. Este informe detalla los componentes técnicos, herramientas, la implementación y las pruebas, demostrando la eficacia y el potencial del sistema para mejorar la calidad de vida de las personas con discapacidades. -
Implementación de los aspectos de seguridad en sistemas IoT con aplicación en el monitoreo de cultivo y calidad de agua
(Universidad Nacional Arturo Jauretche, 2023) Chazarreta, Facundo Ariel
Actualmente, los sistemas de Internet de las Cosas (IoT) han experimentado un avance significativo, expandiéndose en diversas áreas como la domótica, la industria y la agricultura. Una de las facetas más prominentes es la capacidad de estos sistemas para mejorar la eficiencia en procesos complejos y ofrecer soluciones innovadoras en la vida diaria. Sin embargo, con este crecimiento, también se ha observado una mayor vulnerabilidad ante ciberataques, lo que hace imperativo el fortalecimiento de las medidas de seguridad en la arquitectura IoT. En este contexto, se están explorando y desarrollando esquemas avanzados de seguridad para garantizar la integridad, confidencialidad y disponibilidad de la información en los sistemas de IoT. Estos esfuerzos incluyen la aplicación de protocolos seguros, tecnologías de cifrado, autenticación y otros mecanismos de protección que son vitales para la operación segura y confiable de los dispositivos y redes de IoT. -
Implementación de sistema CRM para empresa dedicada al cálculo de expensas
(Universidad Nacional Arturo Jauretche, 2020) Morales, Francisco Nicolás
La práctica profesional a desarrollar consiste en la implementación de un sistema del tipo CRM (Customer Relationship Management) para el manejo de clientes, el ordenamiento comercial y el circuito de post venta para una empresa, Octopus, dedicada al cálculo de expensas para consorcios de la Capital Federal y del Gran Buenos Aires, mediante un sistema propio de dicha empresa. Hoy en día esta empresa posee un sistema para la atención de los tickets de post venta pero no están obteniendo el máximo provecho de esa plataforma y consideran que es muy rígido para dar el servicio que esperan a sus clientes, sobre todo por la poca integración que este sistema tiene con el de cálculo de expensas. En cuanto al circuito comercial de pre venta y prospección, la empresa no cuenta con ningún sistema y, de hecho, este es el principal motivo por el que buscan implementar un CRM que les ofrezca la posibilidad de organizar sus procesos comerciales y también, la posibilidad de integrarse con sus sistema Otro motivo por el que buscan implementar un nuevo CRM es la centralización de la información del cliente en un solo lugar para que todos sus usuarios conozcan rápidamente lo referente a cada cliente sin tener que revisar el historial de facturación en un sistema, los pagos en otro, sus reclamos en el sistema de post venta etc. Es por esto que el cliente ha decidido implementar el CRM líder del mercado, Salesforce, y para eso ha decidido también contratar los servicios profesionales de implementación que ofrece para este fin la consultora especializada Certa Consulting. Salesforce es una plataforma CRM1 del tipo SaaS en el que cada cliente compra las licencias que necesita de acuerdo con los usuarios que van a usarla y, a su vez, posee una serie de socios en todo el mundo que son las empresas que realizan la customización e implementación de la plataforma de acuerdo a necesidades puntuales del cliente.

Examinar

Examinando Prácticas Profesionales Supervisadas por Título

Resultados por página

Opciones de ordenación