Informática con mención en Ciencias de la Computación

Permanent URI for this collectionhttp://98.81.228.127/handle/20.500.12404/6357

Browse

Filters

2020 - 20246

Settings

search.filters.applied.f.advisor: search.filters.advisor.Alatrista Salas, HugoStart date: 2020

Search Results

Now showing 1 - 6 of 6
  • Thumbnail Image
    Item
    Predicción de un tiro penal de fútbol basado en la estimación de postura del jugador
    (Pontificia Universidad Católica del Perú, 2024-06-24) Mauricio Salazar, Josue Angel; Alatrista Salas, Hugo
    En este artículo se presenta una metodología innovadora para predecir un tiro penal en fútbol basado en la estimación de postura del jugador que ejecuta el disparo haciendo uso de dos herramientas de visión computacional como segmentación semántica en videos y la estimación de postura 3D mediante los métodos TAM y MMPose, respectivamente. Para ello, se construyó un corpus de videos de tiros penales y se han entrenado modelos de aprendizaje profundo para predecir la región del arco a la cual llegará el disparo. Los resultados muestran que el modelo llamado CNN 3D logra una mejor precisión con respecto a los otros modelos entrenados. Además, se ha medido la influencia de distintas partes del cuerpo con respecto a la tarea de predicción, mostrando que las piernas son las partes más influyentes. Por último, implementamos una herramienta web para el entrenamiento de porteros y jugadores de fútbol en tiros penales, ofreciendo de esta manera posibles mejoras en las tácticas de un disparo de tiro penal mediante el uso de la visión computacional.
  • Thumbnail Image
    Item
    Generación de datos sintéticos usando Redes Generativas Adversariales para la minería de datos respetuosa de la privacidad
    (Pontificia Universidad Católica del Perú, 2021-05-28) Montalvo García, Peter Jonathan; Alatrista Salas, Hugo
    La minería de datos permite conocer patrones en grandes volúmenes de datos; pero dentro de estos datos puede haber información sensible que compromete la privacidad. En tal sentido, se han desarrollado técnicas para la minería de datos respetuosa de la privacidad, siendo la más utilizada la privacidad diferencial debido a las propiedades que otorga a los datos resultantes, de la mano de técnicas de aprendizaje profundo. Estas técnicas se han utilizado en conjuntos de datos de números escritos e imágenes, pero no en datos de georreferenciación. El presente trabajo tiene como objetivo medir la eficacia de los datos sintéticos generados a través redes generativas adversariales y privacidad diferencial en datos de georreferenciación. La generación de estos datos se hace a través de selección de datos, sanitización para la obtención de la base de datos sintéticos y evaluación a través de modelos de movilidad a partir de las trazas que sirven para medir la pérdida de información y el riesgo de divulgación. En líneas generales, los resultados demuestran que la aplicación de estas técnicas sobre datos de georreferencia da como producto un conjunto de datos sintéticos con una pérdida de información y riesgo de divulgación bajos, y se concluye que estos conjuntos de datos obtenido se puede realizar una minería de datos similar a la que se haría con los datos originales y sin comprometer información sensible.
  • Thumbnail Image
    Item
    Recommender systems using temporal restricted sequential patterns
    (Pontificia Universidad Católica del Perú, 2021-04-12) Samamé Jimenez, Hilda Ana; Alatrista Salas, Hugo; Núñez del Prado Cortez, Miguel
    Recommendation systems are algorithms for suggesting relevant items to users. Generally, the recommendations are expressed in what will be recommended and a value representing the recommendation's relevance. However, forecasting if the user will buy the recommended item in the next day, week, or month is crucial for companies. The present study describes a process to suggest items from sequential patterns under temporal restrictions.
  • Thumbnail Image
    Item
    Measuring the attractiveness of tourist spots through credit and debit card transactions
    (Pontificia Universidad Católica del Perú, 2021-03-16) Rojas Bustamante, Leibnitz Pavel; Alatrista Salas, Hugo; Núñez del Prado Cortez, Miguel
    Tourism is an essential economic activity for some regions and countries that has been increasing its value for governments and private companies in the last years. Some researches, found in state of the art, have demonstrated the importance of knowing how tourists behave. Furthermore, several approaches have been performed to identify tourist behavior in different places worldwide using different data sets. Thus, this study’s main purpose is to identify domestic tourists using bank card transactions and define an attractiveness function for every region in the country through the Huff model. Additionally, some communities will be generated for describing tourism mobility. The results obtained in the present work reveal a new way of defining domestic tourists and a function to estimate the attractiveness level for departments in Peru.
  • Thumbnail Image
    Item
    Metaphor identification for Spanish sentences using recurrent neural networks
    (Pontificia Universidad Católica del Perú, 2020-06-26) Alvarez Mouravskaia, Kevin; Alatrista Salas, Hugo
    Metaphors are an important literary figure that is found in books or and daily use. Nowadays it is an essential task for Natural Language Processing (NLP), but the dependence of the context and the lack corpus in other languages make it a bottleneck for some tasks such as translation or interpretation of texts. We present a classification model using recurrent neural networks for metaphor identification in Spanish sentences. We tested our model and his variants on a new corpus in Spanish and compared it with the current baseline using an English corpus. Our best model reports an F-score of 52.5% for Spanish and 60.4% for English.
  • Thumbnail Image
    Item
    Descubrimiento de patrones de movilidad urbana
    (Pontificia Universidad Católica del Perú, 2020-03-17) Peñaranda Arenas, Iván Darío; Alatrista Salas, Hugo
    La detección de patrones de movilidad es crucial para el desarrollo de políticas de planeación urbana y el diseño de estrategias de negocio. Algunos de los enfoques propuestos para llevar a cabo esta tarea usan encuestas, datos de registro en redes sociales o datos de telefonía móvil. Si bien es posible inferir mediante estos últimos el lugar de residencia de los clientes, no se puede a partir de esta información garantizar que efectivamente se realizó una compra en un establecimiento. En este trabajo se desarrolla una propuesta para el descubrimiento de patrones de movilidad urbana adaptando el análisis del enfoque de áreas comerciales, mediante la incorporación de datos de transacciones bancarias, mostrando la importancia de tomar en cuenta la categoría del negocio e incluir individuos de todas las clases sociales. Asimismo, se utilizaron diferentes métricas para determinar la atractividad comercial según la categoría a la que pertenece el negocio.