Título: Control de acceso basado en roles
Autores: Gabriel A. Domínguez Martín y Raul A. Cassolini
Director: Mg. Jorge Raúl Ardenghi - C.C. Jorge Sznek
Carrera: Licenciatura en Ciencias de la Computación
Fecha de defensa: Junio 1999
Título: Modelos de programación paralela
Autor: Marina Morán
Director: Ing. Rodolfo del Castillo
Carrera: Licenciatura en Ciencias de la Computación
Fecha de defensa: 22 de diciembre de 1999
Resumen
El presente trabajo busca resumir y presentar los principales modelos de programación paralela existentes, sus pros y contras, y su idoneidad para determinados problemas. De alguna manera, mostrar las diferentes opciones con que se encuentra un desarrollador de aplicaciones paralelas distribuidas a la hora de elegir.
Título: Minería de datos aplicada a rendimientos estudiantiles
Autor: Paola Zuliani
Director: Dra. Alejandra Cechich
Carrera: Licenciatura en Ciencias de la Computación
Fecha de defensa: 29 de marzo de 2001
Resumen del Trabajo
El presente trabajo estudiará la herramienta de software C4.5 [8], uno de los métodos más populares de aprendizaje inductivo desarrollado por Quinlan para la generación de árboles de decisión.
Describiremos detalladamente la herramienta, el proceso de la minería de datos –la preparación de los datos, búsqueda de patrones,evaluación del conocimiento, y refinamiento– explorando los datos suministrados por la Unidad Académica de esta Universidad (aproximadamente 16.000 registros) con el fin de encontrar patrones que permitan predecir tanto variables socioeconómicas como académicas. Por ejemplo, dado un alumno particular, se buscarán patrones para predecir si tendrá o no un promedio mayor o igual que siete. En este ejemplo, la clase de la variable dependiente es la formada por los alumnos cuyos promedios son mayores o iguales a siete. Nuestro objetivo será buscar patrones en los datos para predecir los miembros de una clase a partir de una o más variables predictoras.
En el Capítulo 2 de la Disertación introduciremos los conceptos básicos del proceso de búsqueda de patrones y de la minería de datos. En el Capítulo 3 resumiremos distintas técnicas para realizar minería de datos. En el Capítulo 4 presentaremos la herramienta de software utilizada en el presente trabajo y mostraremos el caso analizado con los resultados obtenidos. Finalmente, las conclusiones serán presentadas en el Capítulo 5.
Título: Estrategias de selección basadas en plausibilidad
Autor: Eric Hejda
Director: Mg. Gerardo Parra
Carrera: Licenciatura en Ciencias de la Computación
Fecha de defensa: 7 de diciembre de 2000
Introducción
Uno de los principales tópicos de la inteligencia artificial es la representación de conocimiento. En la representación de conocimiento, siempre fue conflictivo el proceso de modelar la información incierta o incompleta para lograr, a partir de ella, obtener información relevante mediante deducciones lógicas. Para obtener esta información, a partir de un conjunto de datos, se debe poseer un modelo adecuado de representación que permita operar con dichos datos de una manera sana y fiable.
El enfoque standard para el modelamiento de información incierta o incompleta fue por mucho tiempo la teoría de probabilidades que, aunque tiene un origen común con la teoría de plausibilidad, difiere enormemente en su significado. El problema de la representación de información por medio de la teoría de probabilidades estuvo centrado en la aplicación no totalmente natural de algunos axiomas de esta teoría. Como consecuencia de ello, varios investigadores que estaban en desacuerdo con su utilización, coincidieron en buscar una alternativa de representación: la teoría de plausibilidad.
Antes de comenzar a explorar la noción de plausibilidad y los principios básicos del razonamiento plausible, aclararemos el significado del término plausible. De acuerdo a su origen, la palabra “plausible” significa “digno de aplauso”, una frase sugestiva que revela claramente un punto de vista retórico del término. En este sentido, plausibilidad será un término adecuado para referirse a la importancia de una premisa. Por lo tanto, la plausibilidad de una premisa es una medida de su grado de veracidad.
El principal aporte de este trabajo consiste en la definición de estrategias de selección de datos consistentes y fiables, para ser utilizadas en el área de representación de conocimiento.
Aquí es fundamental trabajar con una teoría que alcance los lineamientos y requerimientos básicos para
una correcta y completa representación de los datos adquiridos por un cierto ente. La teoría de plausibilidad [Res74, Res76] ofrece un mecanismo exacto para razonar y tomar decisiones sobre un conjunto específico de afirmaciones que nosotros, como agentes razonadores, estamos inclinados a aceptar como verdaderas. Dichas afirmacion es son suministradas por fuentes de información, o agentes informantes [PS98a,Par98]. Las fuentes están graduadas según su confiabilidad, es decir que cada fuente tiene asociado un grado de credibilidad, el cual es extendido a todas las proposiciones que ella informa. Además, se analiza la restauración de la consistencia a partir de un conjunto inconsistente de proposiciones, aportando algunas estrategias para lograr este objetivo de una manera sencilla y eficiente.
Título: Formalización de propiedades de comportamiento en patrones de análisis
Autor: Agustina Buccella
Director: Dra. Alejandra Cechich
Carrera: Licenciatura en Ciencias de la Computación
Fecha de defensa: 31 de octubre de 2001
- Hanzich, Mauricio: Detección de ataques basados en TCP/IP, Febrero 2002
- Bianchini, Germán y Rozas, Claudia: Criptografía, Junio 2002
- Moyano, Marcelo y Camaña, Rodolfo: Un framework orientado a objetos para modelos predictivos en sistemas de terapia intensiva, Agosto 2003
- Taryano, Karina: Búsqueda y selección de componentes COTS, Agosto 2003
