Conferencia: Indicadores de peligrosidad en la propagación del coronavirus.
Resumen. La pandemia actual del virus SARS-CoV-2
ha provocado la imposición de restricciones sociales en casi todos los países con
el fin de controlar su peligroso efecto sobre los ciudadanos. Estas
restricciones clasifican a la población en distintos estados de una red de
flujo donde las personas van y vienen de acuerdo con la evolución de la
pandemia. En esta conferencia se analiza un modelo dinámico basado en redes de
flujo. El modelo encaja bien con el conocido modelo de la familia SIR y agrega
una nueva perspectiva de la evolución de las personas infectadas entre los
estados. Esta perspectiva permite modelar diferentes escenarios e ilustra la
evolución y tendencias de la pandemia porque se basa en los datos abiertos que
diariamente brindan los gobiernos. Para medir la gravedad de la pandemia a lo
largo del tiempo, en este estudio proponemos un índice de peligrosidad (DI)
basado en la optimización del flujo en la red. También se analiza el conocido índice
de transmisión R0. El índice DI es una función de los casos
infectados, el número de muertes y casos de recuperación, mientras que el
índice de transmisión R0 depende solo de los casos infectados. Estos
dos índices se comparan en relación a datos de varios países y adicionalmente
se muestra la relación del índice de peligrosidad con la política aplicada por
los gobiernos.
Bio.
Victoria López es
doctora en Matemática Computacional e Inteligencia Artificial por la
Universidad Politécnica de Madrid. Es licenciada en Ciencias Matemáticas por la
Universidad Complutense.
Ha trabajado como
profesora en el departamento de Arquitectura de Computadores y Automática de la
Universidad Complutense durante 14 años. Anteriormente estuvo asociada al
departamento de Estadística e Investigación Operativa de la misma universidad
Complutense. Actualmente es Profesora Titular de CUNEF Universidad en Madrid.
Pertenece al grupo de investigación de Agentes Inteligentes GRASIA de la UCM.
Ha escrito numerosos artículos de investigación, dirigido tesis doctorales y
tesis fin de máster, que avalan su experiencia investigadora.
Perfil Google Scholar:
https://scholar.google.es/citations?user=HzUXtGsAAAAJ&hl=es
Conferencia: Autocalibración de Sensores para Localización de Vehículos Autónomos.
Resumen. En la plática se mostrarán las técnicas que se han utilizado en el proyecto AutoNOMOS para autocalibrar las cámaras de video del vehículo. Este es un tema importante ya que el vehículo cuenta con nueve cámaras distribuidas alrededor de la carrocería. Se mostrará la correcta utilización de los sensores calibrados para localizar vehículos en un entorno urbano con precisión muy superior a la de equipos GPS.
Bio. Raul Rojas Gonzalez es profesor en el Dept. de Matemáticas y Computación de la Universidad Libre de Berlín. Es egresado del IPN donde obtuvo sus grados de licenciatura y maestría en matemáticas. Posteriormente realizo estudios de doctorado y obtuvo la habilitación en Ciencias de la Computación en la Universidad Libre de Berlin. Su libro "El Lenguaje de las Matemáticas: Historias de sus Símbolos" obtuvo en 2018 el "Premio de Divulgación de la Ciencia Ruy Perez Tamayo" del Fondo de Cultura Económica.
Conferencia: Bagging-RandomMiner: un algoritmo semi-supervisado para la detección de intrusos y
otras aplicaciones de detección de anomalías.
Resumen. Existe una creciente demanda de herramientas de ciberseguridad eficaces para
proteger la información digital. Se han propuesto diferentes enfoques para modelar el
comportamiento de los usuarios y proteger su información del ataque de intrusos; uno de estos
es basado en patrones de acceso a archivos. En esta presentación se discute el algoritmo semi-supervisado más eficaz para el enfoque de detección de intrusos basado en patrones de acceso
a archivos (Bagging-RandomMiner). Este algoritmo es un ensemble de clasificadores de una
sola clase basados en disimilitudes que, a pesar de su simplicidad, mejora de manera
significativa estadísticamente otros algoritmos reconocidos del estado del arte (ejemplo, SVM y
Random Forest) en el contexto de la detección de intrusos. En un artículo publicado
recientemente en la revista Knowledge-Based Systems comparamos Bagging-RandomMiner
contra otros 28 algoritmos populares (ejemplo, ocSVM, IsolationForest, LOF, ABOD y AE) en el
contexto de detección semi-supervisada de anomalías usando 95 datasets del repositorio KEEL.
Los resultados muestran que Bagging-RandomMiner supera a los demás en término del área
bajo la curva Receiver Operating Characteristic. Estos resultados nos motivaron a publicar el
código fuente de Bagging-RandomMiner en Pypi.org de manera tal que cualquiera puede usarlo
como cualquier otro clasificador de scikit-learn después de instalarlo con el comando “pip install
brminer”.
Bio. En el 2014 obtuve el Doctorado en Ciencias Computacionales del Instituto Nacional
de Astrofísica, Óptica y Electrónica (INAOE), México. Actualmente soy profesor de investigación en el Tecnológico de Monterrey, Campus Estado de México, donde
también soy miembro del Grupo de Investigación de Aprendizaje Automático. Soy miembro (nivel 1) del Sistema Nacional de Investigaciones de México. He publicado 54 artículos, de los cuales 29 se encuentran en revistas de alto impacto
como "Information Fusion", "ACM Computing Surveys", "Knowledge-Based Systems", "Information Sciences", "Expert Systems with Applications", "Engineering
Applications of Inteligencia artificial", "Neurocomputación", "Pattern Recognition", "IEEE Transactions on Affective Computing", "IEEE Transactions on Information Forensics and Security", e "IEEE Access".
Mis intereses de investigación incluyen Inteligencia Artificial Interpretable,
Reconocimiento de Patrones, Detección de Anomalías, Algoritmos de Agrupamiento,
Reconocimiento de Huellas Dactilares y Palmares, y Aprendizaje Profundo.
Conferencia: Inteligencia Artificial: La aliada perfecta para
la Ciberseguridad.
Resumen. Desde el 11 de marzo del 2020, fecha en que la Organización Mundial de la
Salud declaró oficialmente la pandemia de COVID-19, el número de
ciberataques aumentó, así como su velocidad y complejidad, desbordando a los
profesionales encargados de la ciberseguridad. La ciberseguridad puede
definirse como el conjunto de técnicas que intentan proteger el ecosistema
cibernético que se forma entre los individuos y organizaciones o gobiernos. Este
ecosistema incluye seres humanos, redes de comunicación, dispositivos de
comunicación, sistemas operativos y sistemas de información en sus etapas de
almacenamiento, procesamiento y transmisión de la información, así como
otros sistemas que estén conectados directa o indirectamente a las distintas
redes. En esta plática, haremos un recorrido que guiará hacia los casos de éxito
que ha tenido el uso de la inteligencia artificial como la aliada perfecta para:
prevenir y detectar ciberataques, automatizar procesos, interpretar datos y tener
una mejora constante.
Conferencia: Robótica inteligente en los hogares.
Resumen. Los robots móviles de servicio incursionaron en nuestros hogares desde hace poco más de
una década. Desde el surgimiento de los primeros prototipos hasta los últimos productos
comerciales, se han logrado avances significativos en el área. Sin embargo, estos robots
aún no pueden lidiar con todas las situaciones, algunas de ellas imprevistas, en nuestros
hogares. Los diferentes contextos y situaciones particulares de cada hogar y sus residentes
hacen de ésta, una tarea compleja. Para que los robots puedan realizar una mayor
diversidad de tareas en nuestros hogares, se requiere que tengan mayores habilidades,
esto es, que comprendan mejor su entorno y que tengan mejores y más avanzadas formas
de comunicación con los humanos, entre otras. Pero aunado a ello, los investigadores y
desarrolladores debemos implementar procesos complejos que se dan en los procesos de
aprendizaje, procesos como inducción, deducción y aplicación de analogías, serán de
suma importancia para estos robots del futuro. En esta charla abordaremos éstos y otros
temas de interés en el área de robots inteligentes.
Bio. El Dr. Antonio Marín Hernández es licenciado en Física por la UV (1995), obtuvo el grado
de Maestro en Inteligencia Artificial por la UV en 1998 y el grado de doctor por el Institute
Nationale Polytechnique de Toulouse (INPT), en Toulouse, Francia en 2004. Actualmente
es profesor investigador del Instituto de Investigaciones en Inteligencia Artificial (IIIA) de la
UV, cuenta con perfil deseable PRODEP y es miembro del Sistema Nacional de
Investigadores (nivel I). Sus áreas de interés son robótica móvil y de servicio, interfaces humano robot, procesamiento digital de imágenes y percepción 3D. Ha sido investigador
invitado en el Laboratoire d’Analyses et Architecture de Systèmes (LAAS-CNRS) en
Toulouse, Francia y en la Frei Universität Berlin, en Berlín Alemania. Cuenta con más de 50
artículos científicos publicados en revistas y congresos internacionales, ha dirigido una
decena de proyectos científicos (entre ellos ciencia básica, innovación, etc.) y registrado al
menos siete patentes relacionadas con algunos de estos proyectos. Ha ganado dos veces
el premio a la investigación interdisciplinaria de la UV y recientemente (2020) le otorgaron
el Premio Estatal de Ciencia y Tecnología (Veracruz) en el área 1: Físico-matemáticas.