En el departamento de Lambayeque día a día aumenta la tasa de mortalidad por coronavirus, esto se debe a que las camas UCI están colapsadas, no se encuentra el suficiente oxígeno para mantener el estado de un paciente covid, algunos negocios quebraron, las familias no tienen los suficientes ingresos para alimentarse o comprar la medicina necesario para protegerse del virus, el mal comportamiento de las personas genera la proliferación del virus, etc. Por tal motivo, se formuló la pregunta de investigación ¿De qué manera se podrá apoyar en la prevención de la propagación de coronavirus en el departamento de Lambayeque en el año 2020?, para lo cual la presente tesis tiene como objetivo desarrollar un sistema cognitivo inteligente para evitar la propagación de coronavirus en el departamento de Lambayeque. En la introducción y Marco teórico, se detalla las características que genera la proliferación del virus. Así, se fundamenta la necesidad de implementar un sistema cognitivo inteligente. En la solución propuesta, se desarrollan varios algoritmos, entre ellos están: validación biométrica, árbol de jerarquización, codificación y decodificación de código QR, lo que permitió tener una mayor seguridad de la información de los usuarios. Además, se verificó la data covid brindada por el centro de salud con los usuarios registrados. Al finalizar el desarrollo de la investigación se propuso validar el sistema cognitivo inteligente con el modelo TAM a los usuarios finales, médicos expertos en covid e ingenieros de sistemas, obteniendo resultados positivos con un porcentaje de utilidad y facilidad percibida de uso mayor al 94%.

En el presente estudio se desarrolló un modelo predictivo haciendo uso de técnicas de minería de datos para analizar el comportamiento del cliente, con la finalidad de lograr identificar y clasificar a los clientes con mayor riesgo a desertar en una empresa de telecomunicaciones y así, apoyar a la empresa en la toma de decisiones certísimas y la creación de estrategias de retención. Para lograr el objetivo principal, se analizaron las características algorítmicas de los principales algoritmos de minería de datos propuestos por la bibliográfica para determinar el que mejor logre adaptarse a la realidad presente, obteniendo el mejor desempeño en las métricas de evaluación propuestas con el algoritmo XGBoost, el cual, obtuvo un 83% de precisión para determinar a los potenciales clientes con riesgo a desertar. Para el desarrollo del módulo de predicción en base al algoritmo seleccionado, se empleó la metodología CRISP-DM para la construcción, evaluación y despliegue. El despliegue del modelo se realizó construyendo en base a los lenguajes de programación JavaScript y Python, empleando el Framework Flask, una interfaz web local, la cual, permite generar reportes específicos y globales al usuario final. Finalmente, se determinó el grado de usabilidad aceptable del modelo a partir de dos indicadores; su efectividad, demostrada en el grado de precisión obtenido de 83%, los resultados en las métricas de evaluación y el porcentaje de asertividad del 80%; y la eficiencia de la interfaz final, en términos de empleo y su desempeño en las pruebas de caja blanca y negra.

La predicción de estructuras de proteínas es uno de los retos más importantes de la biología y la bioinformática (Lopes et al., 2019). Esta última es el campo de investigación que se apoya en la computación para analizar la información relacionada a las macromoléculas biológicas como las proteínas (Xiong, 2006). Las proteínas son moléculas esenciales compuestas por varios cientos o miles de aminoácidos configurados de forma secuencial, lo cual se conoce como estructura primaria (Xiong, 2006). Esta organización se va plegando espontáneamente hasta resultar en una conformación tridimensional diferente una de otra denominada como estructura terciaria, la cual es fundamental para determinar la función de la proteína y realizarla de forma exitosa (Xiong, 2006). Hay muchas razones por las cuales la predicción de estructuras proteicas sigue siendo una problemática vigente. Una de ellas es que, actualmente, es mucho más complicado obtener estructuras tridimensionales que secuencias de proteínas, por lo cual existe una brecha cuantitativa entre ellas, que crece exponencialmente (Deng et al., 2018). Además, la determinación de las estructuras tridimensionales sigue siendo una tarea que requiere muchos recursos económicos, computacionales y algunos no renovables, como el tiempo (Lopes et al., 2019). En adición, se ha evidenciado una significativa ausencia de criterios de usabilidad en el desarrollo de muchas herramientas informáticas relacionadas a la predicción de las proteínas (Paixão-Cortes et al., 2018). Esto conlleva al gasto innecesario de tiempo y esfuerzo de los usuarios que deben interactuar con interfaces difíciles de entender (Bolchini et al., 2009). Esta situación se replica en proteínas específicas como las proteínas repetidas, las cuales son grupos de familias de proteínas que tienen propiedades particulares como la existencia de unidades de repetición en su estructura (Hirsh et al., 2016). Estas proteínas son importantes dado que se sabe que se relacionan con muchas enfermedades humanas en su proceso de diagnóstico y porque dan pie al desarrollo de nueva medicina (Burley et al., 2021; Kajava & Steven, 2006). No obstante, debido a su complejidad, aún se requieren esfuerzos para estudiarlas en temas como la predicción de sus estructuras (MSCA & RISE, 2018). Por todo ello, este proyecto de tesis busca proponer el desarrollo de una herramienta dedicada a la predicción de estructuras terciarias de proteínas repetidas a partir de sus estructuras primarias, la cual deberá cumplir con lineamientos de usabilidad. Se espera responder a la problemática planteando una plataforma web que sea amigable para el usuario, que permita obtener resultados en tiempos aceptables y que utilice un algoritmo de predicción que aplique inteligencia artificial y sea eficaz respecto a la evaluación de alineamientos estructurales. En primera instancia, se evaluarán distintos algoritmos de predicción de proteínas en general, para luego seleccionar uno y adaptarlo a los requerimientos de los especialistas en proteínas repetidas. Con ello, se crearán servicios y rutinas de ejecución que permitirán predecir estructuras terciarias de proteínas a partir de diversos tipos de datos de entrada. Posteriormente, se construirá la interfaz gráfica de la herramienta, partiendo de la definición de estándares y el desarrollo de un prototipo de alta fidelidad. Finalmente, se integrarán ambos componentes para conformar la herramienta completa, la cual será valorada a través de diversas pruebas funcionales y una evaluación de usabilidad. Cabe mencionar que esta última se realizará utilizando una herramienta enfocada a la evaluación de herramientas bioinformáticas.

La información abrumante en la internet y la transformación digital de los negocios, genera en las empresas con propuestas de marketing tradicional una gran desventaja, la cual tiene que ser abordada con igualdad de herramientas para lograr estar a la par con la competencia. Las instituciones educativas se ven ya inmersas en este nuevo mercado donde la promoción de cursos de capacitación continua, se enfrentan con las instituciones que ya están aplicando los medios digitales para su difusión. El Centro Superior de Capacitación en Ingeniería al ser consecuente con su problemática se ve en la necesidad de estar dentro del mercado y para esto se inicia el desarrollo de una plataforma web basada en algoritmos colaborativos para apoyar la promoción de cursos de formación continua, esta plataforma es una investigación de tipo tecnológico aplicado, porque aplica el conocimiento a una realidad problemática académica y genera como resultado una plataforma web de búsqueda colaborativa que ayudará a los clientes a una mejor elección en cursos de capacitación promoviendo la adquisición de cursos para mejorar su perfil profesional; la metodología utilizada para el desarrollo ha sido Rup, y la validación la plataforma alcanzo los calificativos adecuados de los factores de Usabilidad.

Las redes peer-to-peer descentralizadas son sistemas distribuidos compuestos de nodos en los que cada uno de estos participantes puede comunicarse del mismo modo con cualquier otro de los participantes tanto bajo el rol de servidor de contenido como de demandante del mismo. En este escenario, los algoritmos de b usqueda tem atica deben conducir a y bene ciarse de la aparici on de comunidades sem anticas que son el resultado de la interacci on entre los participantes. Varios estudios han demostrado la importancia de la selecci on de vecinos para el ruteo de consultas en redes peer-to-peer. La mayor a de los algoritmos existentes de ruteo de consultas aplican un enfoque reactivo, lo que conduce a una serie de limitaciones. Esta investigaci on propone aplicar un enfoque razonado basado en la argumentaci on que otorga a cada nodo capacidades de razonamiento. El framework resultante, llamado ArgP2P, es descrito formalmente y evaluado emp ricamente en el desarrolo de esta Tesis. Un cuantioso n umero de simulaciones basadas en datos realistas revelan el potencial de ArgP2P para hacer frente a diferentes problemas com unmente observados en sistemas peer-to-peer reactivos, como el problema de las comunidades cerradas y el manejo de la congesti on. / Decentralized peer-to-peer networks are distributed systems of peers where each peer can communicate as an equal to any other peer, serving content as well as requesting it. In this scenario, thematic search algorithms should lead to and benefft from the emergence of semantic communities that are the result of the interaction among participants. A number of studies have demonstrated the importance of neighbor selection for query routing in peer-to-peer networks. Most existing query-routing algorithms apply a reactive approach, which leads to a number of limitations. This research proposes to apply a reasoned approach based on argumentation that endows each node with reasoning capabilities. The resulting framework, called ArgP2P, is formally described and empirically evaluated. Simulations based on realistic data demonstrate the potential of ArgP2P to deal with different problems commonly observed in reactive peer-to-peer systems, such as the closed communities problem and management of congestion.

En la actualidad, es indispensable tener un acceso rápido a la información en los almacenes con el fin de atender de forma óptima a las demandas del mercado. Esto es importante, porque el usar un almacén de empacado es necesario para tener un control del inventario, al mismo tiempo que se incrementa la productividad y se ahorra dinero al permitir que los clientes reciban sus productos a tiempo. Así como permitir una distribución de productos más eficientemente e incluso saber cuándo ya no se cuenta con stock. Sin embargo, el uso de almacenes tiene que ser complementado con una efectiva comunicación entre los trabajadores. Por tanto, el uso de redes Wi-Fi en almacenes tiene el potencial de permitir la rápida automatización de procesos intensivos tales como la recepción, el desembarco, almacenamiento, conteo de órdenes, recogidas y empaquetamientos. Debido a las razones mencionadas, se necesita tener una manera organizada de planificar el posicionamiento de antenas con el fin de evitar costos innecesarios y de aprovechar el mayor espacio posible. Hay implementaciones con algoritmos clásicos para problemáticas similares, pero se desea aprovechar la posibilidad de aplicar conceptos más modernos para afrontar esta situación. Es por esto que se plantea como objetivo el implementar un algoritmo memético para la optimización del posicionamiento de antenas Wi-Fi en un almacén rectangular de grandes dimensiones y los objetivos adicionales serán el apoyo para el desarrollo del proyecto. El proyecto de tesis pertenece al tema de algoritmos de optimización (que a su vez es perteneciente al área de ciencias de la computación). La solución permitirá determinar un conjunto de posiciones óptimas con el número de antenas Wi-Fi adecuadas para poder mejorar el uso de recursos sin perder señal. Es posible que se tomen consideraciones respecto a la complejidad de la infraestructura del almacén debido a que no todos los almacenes poseen la misma. Asimismo, la atenuación de la señal inalámbrica en las paredes del almacén planteado y el cambio energético en la intensidad de las antenas son aspectos que no serán considerados ya que se encuentran más relacionados al área de Ingeniería Electrónica. Con todo lo anterior mencionado, se busca verificar si realmente la implementación presentada logrará mejorar los resultados obtenidos mediante una implementación realizada con el algoritmo genético, que representa la implementación clásica de una solución a la problemática planteada.

En el contexto empresarial, los datos tienen una importancia significativa tanto para la operación del día a día en una organización como para la toma de decisiones dentro de esta. Por ello, resulta vital que consultar dichos datos sea un proceso lo más eficiente posible. Para las bases de datos relacionales, una forma de lograr esto es la optimización de consultas SQL, y entre los diferentes métodos de optimización se encuentran los algoritmos metaheurísticos. El presente trabajo realiza una investigación de la literatura académica centrada en estos algoritmos aplicados a la optimización de consultas en bases de datos distribuidas relacionales y decide realizar una comparación entre el algoritmo genético (el cual cuenta con gran popularidad en este ámbito) y el memético, con el fin de evaluar si la aplicación de este último resulta viable para este tipo de optimización. Para lograr lo planteado anteriormente, el trabajo busca definir variables, parámetros y restricciones del problema de optimización de consultas; las cuales posteriormente son utilizadas para implementar adaptaciones propias de los algoritmos genético y memético orientadas a dicho problema. Finalmente, se realiza una comparación de eficacia y eficiencia entre ambas implementaciones a través de experimentación numérica. Tras finalizar todas las tareas anteriores, se concluye que se logró implementar un algoritmo memético para optimizar consultas SQL en bases de datos distribuidas relacionales cuyo rendimiento puede superar al algoritmo genético para escenarios de complejidad creciente (es decir, bases de datos con numerosas tablas y sitios).

People with deafness or hearing disabilities who aim to use computer based systems rely on state-of-art video classification and human action recognition techniques that combine traditional movement pat-tern recognition and deep learning techniques. In this work we present a pipeline for semi-automatic video annotation applied to a non-annotated Peru-vian Signs Language (PSL) corpus along with a novel method for a progressive detection of PSL elements (nSDm). We produced a set of video annotations in-dicating signs appearances for a small set of nouns and numbers along with a labeled PSL dataset (PSL dataset). A model obtained after ensemble a 2D CNN trained with movement patterns extracted from the PSL dataset using Lucas Kanade Opticalflow, and a RNN with LSTM cells trained with raw RGB frames extracted from the PSL dataset reporting state-of-art results over the PSL dataset on signs classification tasks in terms of AUC, Precision and Recall. / Trabajo de investigación

El presente trabajo de investigación aborda la implementación, análisis y selección de distintos modelos de redes neuronales recurrentes (RNN) y convolucionales (CNN) para la detección de emociones en texto y rostros; los cuales pueden ser utilizados como módulos adicionales en agentes conversacionales de tiempo real como son chatbots o robots sociales. Los módulos de detección permiten a los agentes conversacionales poder entender cómo se sienten las personas durante la interacción con ellas; conociendo estos estados los agentes conversacionales pueden responder empáticamente. En primer lugar, se revisará la literatura sobre como los agentes conversacionales buscan ser más empáticos, así como los métodos de detección de emociones mediante distintos canales como texto y rostros. Luego, se procede a recolectar y pre-procesar bases de datos públicas para el entrenamiento de los algoritmos seleccionados en base a la literatura. Finalmente, métricas tanto para la evaluación del rendimiento de predicción multiclase (Accuracy, Precision, Recall y F1), como la velocidad de procesamiento (ej. Framesper- second) son seleccionadas y analizadas para determinar cuáles son los mejores algoritmos para implementar una aplicación de tiempo real.

A finales de los años 1990, se identificó un conjunto de proteínas caracterizadas por tener patrones repetidos en su secuencia, lo que produce una estructura tridimensional repetitiva (Marcotte et al., 1999). Se han clasificado al menos 14% de proteínas encontradas en la naturaleza como repetidas, y presentan un rol crítico en procesos biológicos como la comunicación celular y el reconocimiento molecular (Brunette et al., 2015; Marcotte et al., 1999). Existe un creciente interés en el estudio de las proteínas repetidas debido a sus pliegues estructurales estables, una alta conversación evolutiva y un amplio repertorio de funciones biológicas (Chakrabarty & Parekh, 2022). Además, se estima que una de cada tres proteínas humanas son consideradas repetidas (Jorda & Kajava, 2010). La identificación, clasificación y curación de regiones de repetición en proteínas es un proceso complejo que requiere del procesamiento manual de expertos, gran capacidad computacional y tiempo. Existen diversos avances recientes y relevantes que aplican modelos de aprendizaje automático para la predicción de estructura tridimensional de proteínas y la predicción de clasificación de proteínas repetidas. Este tipo de aplicaciones resultan útiles para este proceso de curación. No obstante, a pesar de que este tipo de software son de libre acceso y de código abierto, no se cuenta con un servicio integrado que contemple las herramientas y bases de datos que soporten la investigación en proteínas repetidas. Por estos motivos, en este proyecto de investigación de plantea, diseña y desarrolla un servicio web integrado para la curación de proteínas repetidas. Con este objetivo, se ha considerado la integración con la base de datos de estructuras terciarias del Protein Data Bank (PDB) y la base de datos de predicciones de estructuras tridimensionales AlphaFold. Asimismo, se ha utilizado un modelo de redes neuronales que permite predecir la probabilidad de clasificación en cada clase de proteína repetida. Finalmente, con esta predicción, se implementó una mejora al algoritmo ReUPred para volver más eficiente el proceso de identificación de regiones y unidades de repetición. Este servicio ha sido desplegado utilizando computación en la nube en la página bioinformática.org de la cual es parte el laboratorio de investigación en Bioinformática de la Pontificia Universidad Católica del Perú. Este servicio permite que los investigadores no requieran contar con alta capacidad de procesamiento computacional para el proceso de curación de proteínas repetidas e integra los resultados totales obtenidos.