Ingeniero Civil Eléctrico / En el presente trabajo de título se desarrolla un sistema de detección de objetos (localización y clasificación), basado en redes neuronales convolucionales (CNN por su sigla en inglés) y dos métodos clásicos de machine learning como Random Forest (RF) y Support Vector Machines (SVMs). La idea es mejorar, con los mencionados clasificadores, el rendimiento del sistema de detección conocido como Faster R-CNN (su significado en inglés es: Regions with CNN features). El sistema Faster R-CNN, se fundamenta en el concepto de region proposal para generar muestras candidatas a ser objetos y posteriormente producir dos salidas: una con la regresión que caracteriza la localización de los objetos y otra con los puntajes de confianza asociados a los bounding boxes predichos. Ambas salidas son generadas por capas completamente conectadas. En este trabajo se interviene la salida que genera los puntajes de confianza, tal que, en este punto se conecta un clasificador (RF o SVM), para generar con estos los puntajes de salida del sistema. De esta forma se busca mejorar el rendimiento del sistema Faster R-CNN. El entrenamiento de los clasificadores se realiza con los vectores de características extraídos, desde una de las capas completamente conectadas del sistema Faster R-CNN, específicamente se prueban las tres que contempla la arquitectura, para evaluar cuál de estas permite obtener los mejores resultados. Para definir, entre otras cosas, el número de capas convolucionales a utilizar y el tamaño de los filtros presentes en las primeras capas del sistema Faster R-CNN, se emplean los modelos de redes convolucionales ZF y VGG16, estas redes son solamente de clasificación, y son las mismas ocupados originalmente. Para desarrollar los sistemas propuestos se utilizan distintas implementaciones o librerías para las cuales se dispone de su código de forma abierta. Para el detector Faster R-CNN se utiliza una implementación desarrollado en Python, para RF se comparan dos librerías: randomForest escrita en R y scikit-learn en Python. Por su parte para SVM se utiliza la librería conocida como LIBSVM escrita en C. Las principales tareas de programación consisten en desarrollar los algoritmos de etiquetado de los vectores de características extraídos desde las capas completamente conectadas; unir los clasificadores con el sistema base, para el análisis \textit{online} de las imágenes en la etapa de prueba; programar un algoritmo para el entrenamiento eficiente en tiempo y en memoria para SVM (algoritmo conocido como hard negative mining) Al evaluar los sistemas desarrollados se concluye que los mejores resultados se obtienen con la red VGG16, específicamente para el caso en que se implementa el sistema Faster R-CNN+SVM con kernel RBF (radial basis function), logrando un mean Average Precision (mAP) de 68.9%. El segundo mejor resultado se alcanza con Faster R-CNN+RF con 180 árboles y es de 67.8%. Con el sistema original Faster R-CNN se consigue un mAP de 69.3%.

Memoria para optar al título de Ingeniero Civil Industrial / 26/11/2020

Magíster en Ingeniería de Negocios con Tecnologías de Información. Ingeniero Civil Industrial / 22/08/2023

Magíster en Ciencias de la Ingeniería, Mención Eléctrica. Ingeniero Civil Eléctrico / El modelamiento de series de tiempo es un problema transversal a diferentes áreas de ingeniería y ciencias. Este tópico, visto a través del foco de aprendizaje de máquinas o aprendizaje estadístico, se reduce a elegir un modelo de regresión que sea lo suficientemente flexible sin que sobreajuste al conjunto de entrenamiento y, por ende, permita generalizar. No obstante, la elección de modelos flexibles suele venir de la mano de poca interpretabilidad de los mismos, como por ejemplo en modelos con estructura tipo \textit{caja negra}. Los modelos más flexibles son preferidos para problemas de alta complejidad, debido a su ajuste con mayor precisión a las observaciones. Más aún, el ajuste de los modelos predictivos es una componente crìtica para la regresión en línea aplicada a problemas reales. Es por ello que se decide abordar el tema del aprendizaje en línea para series de tiempo no lineales a través de un modelo flexible, que extiende la teoría del filtrado adaptivo lineal, al caso no lineal, haciendo uso de transformación de espacio de características basadas en \textit{kernel} reproductivos. Los objetivos de la investigación realizada son (i) presentar e interpretar el estimador de filtro de \textit{kernel} adaptivo (KAF) al contexto de regresión no lineal de series de tiempo, (ii) extender, en términos de mejoras sobre el algoritmo y el ajuste de sus hiperparámetros, la aplicación estándar de KAF validada sobre series sintéticas y datos reales y (iii) acercar la interpretabilidad y aplicabilidad de los métodos KAF para usuarios, validando la mejora tanto en desempeño predictivo como en ajuste de modelos con las extensiones propuestas. Para ello, este trabajo de investigación reúne los resultados principales de dos investigaciones previas, la primera enfocada en mejorar la predicción de KAF utilizando una entrada exógena de un sistema. En ese contexto se estudió el comportamiento de descarga de batería de ion-litio para una bicicleta eléctrica que utilizaba como entrada exógena mediciones de altitud derivadas a partir de coordenadas de geolocalización. El objetivo era caracterizar la posible dependencia oculta a través del descubrimiento automático de relevancia de las variables al momento de la predicción; para lo cual se usó un \textit{kernel} Gaussiano de Determinación de Relevancia Automática (ARD). Por otro lado, la segunda investigación se centró en la validación de una metodología para la inicialización de KAF extendiendo el estimador a una variante probabilística para mejorar su desempeño y entrenamiento, proponiendo hibridar la estimación en línea adicionando un entrenamiento en \textit{batch} que permite encontrar los hiperparámetros óptimos de la extensión propuesta. Adicionalmente, este enfoque permitió proponer un regularizador novedoso para abordar dos de los problemas más desafiantes de diseño según el estado del arte para KAF: el ajuste del hiperparámetro del \textit{kernel} Gaussiano y el tamaño del diccionario usado por el estimador. La metodología fue validada tanto en datos sintéticos, específicamente para el caso del atractor caótico de Lorentz, como en datos reales, los cuales correspondieron a una serie de viento extraída a partir de mediciones de anemométro. Ambos estudios mostraron resultados prometedores, acercando el uso de KAF a usuarios neófitos, tanto por las metodologías desarrolladas que quedan como guías metodológicas aplicadas, como por la interpretabilidad proporcionada a través de toda la investigación, caracterización y desarrollo del uso de KAF. Finalmente se dejan desafíos futuros con respecto a promover más aún la automatización con respecto a la selección de hiperparámetros del modelo, lo que culminaría con un desarrollo completamente adaptivo de estos métodos, vale decir, con intervención mínima del usuario en la selección de los hiperparámetros.

Tesis para optar al grado de Magíster en Ciencias de la Ingeniería, Mención Eléctrica / Memoria para optar al título de Ingeniero Civil Eléctrico / 12/11/2023

Psicóloga / La presente memoria tuvo como finalidad conocer el desarrollo investigativo acerca del proceso de aceptación tecnológica por parte de los estudiantes usuarios de entornos virtuales de aprendizaje en Universidades Latinoamericanas. Para ello se realizó una revisión sistemática de la literatura científica publicada entre los años 2011 y 2015. Doce bases de datos fueron consultadas, y se revisaron estudios empíricos con datos primarios provenientes de países latinoamericanos, pertenecientes a revistas con indexación ISI, SCOPUS y/o Scielo en idioma español, inglés o portugués. La búsqueda arrojó un total de 2 artículos, concluyéndose que durante los últimos 5 años no existe una amplia investigación respecto del tema. Los resultados indicarían una alta capacidad explicativa del Modelo de Aceptación Tecnológica en el contexto latinoamericano. Se discute la posible influencia de la brecha digital en los resultados y la necesidad de investigaciones cuantitativas y cualitativas que permitan indagar con mayor profundidad en el tema. Finalmente se desarrolla una propuesta de modelo de aceptación tecnológica para la educación universitaria en Latinoamérica que se desprende de los artículos revisados

TESIS PARA OPTAR AL GRADO DE MAGÍSTER EN ECONOMÍA / Taking advantage of georeferenced data from Chilean students, we estimate the impact of commuting time over academic achievement. As the commuting time is an endogenous variable, we use instrumental variables and fixed effects at school level to overcome this problem. Also, as we don’t know which mode of transport the students use, we complement our analysis using machine learning methods to predict the transportation mode. Our findings suggest that the commuting time has a negative effect over academic performance, but this effect is not always significant.

Programa de Doctorado: Enfermería y Cultura de los Cuidados

No description available.

Entendemos que el aprendizaje se construye a partir de una mediación social entre el profesor y los estudiantes o entre pares (estudiantes) en conjunción con la mediación instrumental que realiza el docente haciendo uso de diferentes recursos. Desde este enfoque, el presente estudio cualitativo tuvo por objetivo analizar la relación entre las estrategias didácticas planificadas con aquellas que se evidencian en la práctica desde los cuatro elementos que consideramos constituyen dichas estrategias: las actividades, las interacciones, los medios o recursos y el tiempo. El estudio, desde el método de caso y de nivel descriptivo, se centró en el análisis de la planificación y desarrollo de las estrategias didácticas de dos profesoras del área de Comunicación del VII ciclo de EBR de un colegio privado de Lima Metropolitana. Los instrumentos utilizados para el recojo de la información: la ficha de análisis documental para la planificación, y las notas de campo para la práctica fueron validados por juicio de expertos. Entre los hallazgos destacamos la relación interdependiente entre los considerados elementos de las estrategias: las actividades, las interacciones, los recursos y por último, el tiempo, el cual podría considerarse de poca relevancia respecto a los otros elementos; sin embargo, resultó ser determinante puesto que su ausencia en la planificación conllevó a sesiones inconclusas, carentes de momentos de sistematización y consolidación del proceso de aprendizaje de los estudiantes. Por su parte, la planificación evidenció ser más un instrumento administrativo que un soporte estructural del más importante proceso dentro de una institución educativa: el proceso de enseñanza-aprendizaje. / Tesis