Programa de Matemáticas Aplicadas y Ciencias de la Computación - MACC

URI permanente para esta colección

https://repository.urosario.edu.co/handle/10336/31543

Nuestro programa de Matemáticas Aplicadas y Ciencias de la Computación, MACC, es la elección ideal para aquellos estudiantes que quieran crear y liderar la transformación digital en el marco de la Revolución 4.0. Estudiar MACC les permitirá comprender el mundo mediante el lenguaje de las matemáticas y las ciencias de la computación. Contamos con líneas de profundización que responden a las necesidades de la Revolución 4.0 y que están encaminadas a que los estudiantes amplíen sus oportunidades laborales en una economía digital. Nuestros egresados tendrán la capacidad de crear puentes entre problemas reales y soluciones digitales, generando transferencia de tecnología y de conocimiento.

Examinar

Envíos recientes

Mostrando1 - 5 de 15
  • Miniatura
    Ítem
    Acceso Abierto
    Algoritmos heurísticos para la optimización del problema de asignación de contenedores en un puerto marítimo
    (2024-02-05) Hoyos Ortiz, Santiago; Yepes Borrero, Juan Camilo; Morales Pinto, Yiby Karolina
    La optimización de la asignación de contenedores en una terminal portuaria implica desarrollar estrategias eficientes para organizar y mover los contenedores de manera eficaz. Esto incluye considerar factores como la disponibilidad de espacio, la duración del traslado y la minimización del tiempo, teniendo en cuenta si los contenedores se destinan al transporte marítimo o terrestre. Mediante la implementación de técnicas de optimización, es posible mejorar la eficiencia en la asignación de contenedores. Esto no solo agiliza los procesos en el patio de contenedores, sino que también contribuye a maximizar la productividad, sostenibilidad y los beneficios económicos del puerto. El enfoque principal de este trabajo de fin de grado es generar una propuesta de mejora para resolver el problema de asignación de contenedores, que minimice el tiempo total requerido para la asignación de cada contenedor en los bloques. Para resolver el problema, se emplean conceptos y estretegias algorítmicas y estadísticas, específicamente métodos de optimización metaheurísticos como el algoritmo GRASP. Por último, por medio de diferentes experimentos haciendo uso de las instancias generadas previamente en la literatura, se analizarán los resultados del GRASP planteado con otro algoritmo de proximidad existente. De esta forma, se demostrará qué método genera la mejor solución para cada caso.
  • Miniatura
    Ítem
    Acceso Abierto
    A Brain-Computer Interface for labour market inclusion of people suffering severe upper-limb impairments
    (2023-06-10) García Osorio, Juan Lucas; Delisle Rodríguez, Denis; Jiménez Hernández, Mario Fernando
    Los dispositivos robóticos de asistencia, como los exoesqueletos, se utilizan en entornos laborales para favorecer la inclusión social de diversos tipos de deficiencias como, por ejemplo, las de las extremidades superiores. Los exoesqueletos robóticos pueden controlarse mediante señales electromiográficas de superficie. Sin embargo, las personas con deficiencias neurales graves y ausencia de actividad muscular residual no pueden utilizar estos sistemas basados en sEMG debido a la ausencia de actividad muscular residual. Como alternativa, se han aplicado con éxito en estas personas prótesis de mano robóticas y exoesqueletos comandados por interfaces cerebro-ordenador (BCI). El objetivo de este estudio es desarrollar una BCI de bajo coste basada en potenciales visuales evocados de estado estacionario (SSVEP) para la inclusión social, utilizando calibración no supervisada. Se propone un estimulador visual de parpadeo de bajo coste con formas geométricas para obtener órdenes cerebrales. Para clasificar los estímulos SSVEP se utilizan el análisis de correlación canónica (CCA) y la densidad espectral de potencia (PSD). Como primer paso, la BCI propuesta se probó en un juego serio desarrollado para simular el espacio de trabajo y proporcionar información al sujeto. La CCA presentó los mejores resultados de clasificación con una precisión del 71,6 ± 9,7% y una tasa de transferencia de información (ITR) de 37,6 ± 15,4 bits/min y una latencia media de 0,77 ± 0,39 s para proporcionar una salida asociada al estímulo observado por el sujeto.
  • Miniatura
    Ítem
    Embargo
    Beyond Perfection: About learning from errors, NAO, and the World of Virtual Reality
    (2023-07-04) Acosta Castillo, Dana Isabella; Jiménez Hernández, Mario Fernando
    La realidad virtual (VR) ha experimentado avances significativos en los últimos años gracias a los avances tecnológicos. Se ha convertido en un factor clave en varios campos, incluida la interacción humano-robot (HRI, por sus siglas en inglés). En los estudios de HRI, se observó que las pruebas requerían muchos recursos y protocolos largos y consumidores de tiempo. La VR se utiliza cada vez más para probar robots, ya que permite crear entornos sin consumir tantos recursos. Esto es especialmente evidente en la educación, donde la tecnología de VR se utiliza para crear experiencias de aprendizaje inmersivas, como viajes virtuales que permiten a los estudiantes explorar sitios históricos y fenómenos científicos sin salir del aula. Además, la VR ofrece beneficios económicos al optimizar el tiempo, el espacio y los recursos. La telepresencia es una aplicación crítica de la VR en la relación HRI, permitiendo a los usuarios controlar y interactuar con robots de forma remota, mejorando la calidad y efectividad de la comunicación y la interacción entre humanos y robots. Se mencionan avances significativos en la historia de la robótica, desde Leonardo Da Vinci hasta robots modernos utilizados en tareas de asistencia, fabricación y más. La interacción natural entre humanos y robots es esencial, especialmente en tareas colaborativas, como la fabricación. Para lograr una interacción natural, es necesario comprender cómo los humanos se comunican entre sí, así como cómo perciben y responden a los robots. Esta información se utiliza para desarrollar protocolos de comunicación efectiva entre humanos y robots y para diseñar robots que puedan transmitir información y responder a las señales humanas de manera efectiva. La colaboración entre humanos y robots (HRC) se centra en estudiar y mejorar la relación entre humanos y robots que trabajan juntos en tareas comunes. La implementación de HRC suele ser costosa debido a los altos costos de robots, sensores y espacios controlados. La VR se presenta como una alternativa para reducir costos y facilitar este tipo de estudios. La investigación sugiere que las experiencias de VR son más cercanas a las interacciones con un robot real y que las pruebas en VR son más confiables y transferibles a las habilidades de un robot real. El estudio propone un taller de HRC basado en la VR para evaluar su viabilidad en comparación con las pruebas físicas en términos de eficiencia, costo y estrategia. También busca comparar los resultados y comportamientos de los participantes en entornos físicos y virtuales. La investigación se enfoca en el efecto Pratfall en humanos y robots y sus implicaciones para el desarrollo y uso de robots en entornos que requieren empatía e interacción social. Se llevan a cabo encuestas en dos grupos: uno en un entorno físico y otro en VR, recopilando datos para analizar resultados y discutir posibles influencias de género en las percepciones y respuestas de los participantes. El estudio se organiza en varias secciones que cubren antecedentes, métodos, resultados y discusiones, y concluye con reflexiones sobre futuros trabajos basados en los hallazgos del estudio.
  • Miniatura
    Ítem
    Acceso Abierto
    Enhancing performance in special teams within the NFL through reinforcement learning: A data-driven approach
    (2023-07-25) Alvarez Barbosa, Santiago; Caicedo Dorado, Alexander
    La tesis exploró la integración de la Ciencia de Datos y la Inteligencia Artificial en los equipos especiales de fútbol americano. Se utilizó el conjunto de datos NFL Big Data Bowl 2022 y la API de OpenAI Gym para crear un entorno de entrenamiento dinámico. Se entrenaron dos conjuntos de agentes que representaban diferentes posiciones dentro de los equipos especiales con el objetivo de aprender estrategias óptimas para alcanzar sus objetivos. El propósito era proporcionar información a los entrenadores, mejorar los procesos de toma de decisiones y aumentar el rendimiento en jugadas específicas.
  • Miniatura
    Ítem
    Acceso Abierto
    Aprendizaje de máquina aplicado al control
    (2023-02-17) Rambaut Lemus, Daniel Felipe; Obando Bravo, Germán Dario
    El objetivo de este trabajo es emular la acción de un controlador utilizando modelos de inteligencia artificial (IA). Para ello, se empleó como planta un sistema de segundo orden que describe la temperatura en un cuarto. Sobre dicha planta, se diseña un controlador predictivo basado en modelo (MPC, por sus siglas en inglés) como referencia para entrenar los algoritmos de IA. MPC es un método que utiliza modelos matemáticos para predecir el comportamiento futuro del sistema y tomar acciones de control óptimas en función de ciertos objetivos preestablecidos. La emulación del controlador puede plantearse como un problema de regresión, por lo tanto se emplearon tres de los modelos más populares de IA para efectuar regresiones: regresión lineal, vectores de soporte y redes neuronales. Para el entrenamiento de los modelos de IA, se utilizó una base de datos generada al simular el comportamiento del controlador MPC sobre la planta de temperatura. Se realizaron diferentes pruebas para evaluar el desempeño de los modelos de IA comparándolos con el controlador MPC. Los resultados mostraron que los modelos de IA pueden ser utilizados con éxito para emular dicho controlador con la ventaja de tener un menor costo computacional. En este sentido, cabe resaltar que MPC necesita resolver iterativamente un problema de optimización, mientras que los algoritmos de IA usados sólo requieren evaluar cierta función (que se obtiene al entrenar los modelos) en cada iteración de control. En conclusión, esta investigación es un primer paso exitoso en un camino prometedor: el uso de IA para el control de procesos dinámicos.