Sistemas inteligentes: técnicas, modelos y aplicaciones
- Autores
- Hasperué, Waldo; Lanzarini, Laura Cristina; Estrebou, César Armando; Rucci, Enzo; Ronchetti, Franco; Reyes Zambrano, Gary Xavier; Gutiérrez, Emiliano; Fernández Bariviera, Aurelio
- Año de publicación
- 2026
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Esta línea de investigación se centra en el desarrollo de sistemas inteligentes para la resolución de problemas de minería de datos utilizando técnicas de aprendizaje automático . Los sistemas desarrollados se aplican particularmente al procesamiento de grandes volúmenes de información y al procesamiento de flujo de datos. Una de las líneas de investigación llevadas a cabo está enfocada en el estudio y desarrollo de modelos de IA para el desarrollo de chatbots, en particular para responder consultas en el ámbito universitario (alumnos, docentes, personal administrativo, etc.). Por otro lado, y desde el punto de vista de la salud, se está trabajando con investigadores del CENEXA (CONICET-UNLP-CIC) en la obtención de modelos de predicción de diabetes y prediabetes. Así mismo, se trabaja con investigadores del GIIA- UBE de Ecuador en modelos adaptativos sobre flujos de datos multidimensionales estudiando técnicas capaces de analizar datos en tiempo real provenientes de múltiples fuentes heterogéneas (sensores, dispositivos IoT, cámaras, GPS y reportes ciudadanos). También se investigan aspectos de explicabilidad e interpretabilidad de modelos de machine learning. En particular, el caso de estudio actual es la valoración de inmuebles con foco no sólo en la precisión de la predicción sino en la comprensión de los factores que determinan el precio de una vivienda usando técnicas de explicación independientes del modelo.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
LLM
Minería de Datos
Explicabilidad de modelos
Flujos de datos dinámicos
TinyML
Transformers
Diabetes - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
.jpg)
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/195920
Ver los metadatos del registro completo
| id |
SEDICI_0e7f3426969d543e0558f3bab7d8011e |
|---|---|
| oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/195920 |
| network_acronym_str |
SEDICI |
| repository_id_str |
1329 |
| network_name_str |
SEDICI (UNLP) |
| spelling |
Sistemas inteligentes: técnicas, modelos y aplicacionesHasperué, WaldoLanzarini, Laura CristinaEstrebou, César ArmandoRucci, EnzoRonchetti, FrancoReyes Zambrano, Gary XavierGutiérrez, EmilianoFernández Bariviera, AurelioCiencias InformáticasLLMMinería de DatosExplicabilidad de modelosFlujos de datos dinámicosTinyMLTransformersDiabetesEsta línea de investigación se centra en el desarrollo de sistemas inteligentes para la resolución de problemas de minería de datos utilizando técnicas de aprendizaje automático . Los sistemas desarrollados se aplican particularmente al procesamiento de grandes volúmenes de información y al procesamiento de flujo de datos. Una de las líneas de investigación llevadas a cabo está enfocada en el estudio y desarrollo de modelos de IA para el desarrollo de chatbots, en particular para responder consultas en el ámbito universitario (alumnos, docentes, personal administrativo, etc.). Por otro lado, y desde el punto de vista de la salud, se está trabajando con investigadores del CENEXA (CONICET-UNLP-CIC) en la obtención de modelos de predicción de diabetes y prediabetes. Así mismo, se trabaja con investigadores del GIIA- UBE de Ecuador en modelos adaptativos sobre flujos de datos multidimensionales estudiando técnicas capaces de analizar datos en tiempo real provenientes de múltiples fuentes heterogéneas (sensores, dispositivos IoT, cámaras, GPS y reportes ciudadanos). También se investigan aspectos de explicabilidad e interpretabilidad de modelos de machine learning. En particular, el caso de estudio actual es la valoración de inmuebles con foco no sólo en la precisión de la predicción sino en la comprensión de los factores que determinan el precio de una vivienda usando técnicas de explicación independientes del modelo.Red de Universidades con Carreras en Informática2026-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf310-314http://sedici.unlp.edu.ar/handle/10915/195920spainfo:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7info:eu-repo/semantics/reference/hdl/10915/195432info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-06-23T11:17:07Zoai:sedici.unlp.edu.ar:10915/195920Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-06-23 11:17:07.868SEDICI (UNLP) - Universidad Nacional de La Platafalse |
| dc.title.none.fl_str_mv |
Sistemas inteligentes: técnicas, modelos y aplicaciones |
| title |
Sistemas inteligentes: técnicas, modelos y aplicaciones |
| spellingShingle |
Sistemas inteligentes: técnicas, modelos y aplicaciones Hasperué, Waldo Ciencias Informáticas LLM Minería de Datos Explicabilidad de modelos Flujos de datos dinámicos TinyML Transformers Diabetes |
| title_short |
Sistemas inteligentes: técnicas, modelos y aplicaciones |
| title_full |
Sistemas inteligentes: técnicas, modelos y aplicaciones |
| title_fullStr |
Sistemas inteligentes: técnicas, modelos y aplicaciones |
| title_full_unstemmed |
Sistemas inteligentes: técnicas, modelos y aplicaciones |
| title_sort |
Sistemas inteligentes: técnicas, modelos y aplicaciones |
| dc.creator.none.fl_str_mv |
Hasperué, Waldo Lanzarini, Laura Cristina Estrebou, César Armando Rucci, Enzo Ronchetti, Franco Reyes Zambrano, Gary Xavier Gutiérrez, Emiliano Fernández Bariviera, Aurelio |
| author |
Hasperué, Waldo |
| author_facet |
Hasperué, Waldo Lanzarini, Laura Cristina Estrebou, César Armando Rucci, Enzo Ronchetti, Franco Reyes Zambrano, Gary Xavier Gutiérrez, Emiliano Fernández Bariviera, Aurelio |
| author_role |
author |
| author2 |
Lanzarini, Laura Cristina Estrebou, César Armando Rucci, Enzo Ronchetti, Franco Reyes Zambrano, Gary Xavier Gutiérrez, Emiliano Fernández Bariviera, Aurelio |
| author2_role |
author author author author author author author |
| dc.subject.none.fl_str_mv |
Ciencias Informáticas LLM Minería de Datos Explicabilidad de modelos Flujos de datos dinámicos TinyML Transformers Diabetes |
| topic |
Ciencias Informáticas LLM Minería de Datos Explicabilidad de modelos Flujos de datos dinámicos TinyML Transformers Diabetes |
| dc.description.none.fl_txt_mv |
Esta línea de investigación se centra en el desarrollo de sistemas inteligentes para la resolución de problemas de minería de datos utilizando técnicas de aprendizaje automático . Los sistemas desarrollados se aplican particularmente al procesamiento de grandes volúmenes de información y al procesamiento de flujo de datos. Una de las líneas de investigación llevadas a cabo está enfocada en el estudio y desarrollo de modelos de IA para el desarrollo de chatbots, en particular para responder consultas en el ámbito universitario (alumnos, docentes, personal administrativo, etc.). Por otro lado, y desde el punto de vista de la salud, se está trabajando con investigadores del CENEXA (CONICET-UNLP-CIC) en la obtención de modelos de predicción de diabetes y prediabetes. Así mismo, se trabaja con investigadores del GIIA- UBE de Ecuador en modelos adaptativos sobre flujos de datos multidimensionales estudiando técnicas capaces de analizar datos en tiempo real provenientes de múltiples fuentes heterogéneas (sensores, dispositivos IoT, cámaras, GPS y reportes ciudadanos). También se investigan aspectos de explicabilidad e interpretabilidad de modelos de machine learning. En particular, el caso de estudio actual es la valoración de inmuebles con foco no sólo en la precisión de la predicción sino en la comprensión de los factores que determinan el precio de una vivienda usando técnicas de explicación independientes del modelo. Red de Universidades con Carreras en Informática |
| description |
Esta línea de investigación se centra en el desarrollo de sistemas inteligentes para la resolución de problemas de minería de datos utilizando técnicas de aprendizaje automático . Los sistemas desarrollados se aplican particularmente al procesamiento de grandes volúmenes de información y al procesamiento de flujo de datos. Una de las líneas de investigación llevadas a cabo está enfocada en el estudio y desarrollo de modelos de IA para el desarrollo de chatbots, en particular para responder consultas en el ámbito universitario (alumnos, docentes, personal administrativo, etc.). Por otro lado, y desde el punto de vista de la salud, se está trabajando con investigadores del CENEXA (CONICET-UNLP-CIC) en la obtención de modelos de predicción de diabetes y prediabetes. Así mismo, se trabaja con investigadores del GIIA- UBE de Ecuador en modelos adaptativos sobre flujos de datos multidimensionales estudiando técnicas capaces de analizar datos en tiempo real provenientes de múltiples fuentes heterogéneas (sensores, dispositivos IoT, cámaras, GPS y reportes ciudadanos). También se investigan aspectos de explicabilidad e interpretabilidad de modelos de machine learning. En particular, el caso de estudio actual es la valoración de inmuebles con foco no sólo en la precisión de la predicción sino en la comprensión de los factores que determinan el precio de una vivienda usando técnicas de explicación independientes del modelo. |
| publishDate |
2026 |
| dc.date.none.fl_str_mv |
2026-04 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
| format |
conferenceObject |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/195920 |
| url |
http://sedici.unlp.edu.ar/handle/10915/195920 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7 info:eu-repo/semantics/reference/hdl/10915/195432 |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
| dc.format.none.fl_str_mv |
application/pdf 310-314 |
| dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
| reponame_str |
SEDICI (UNLP) |
| collection |
SEDICI (UNLP) |
| instname_str |
Universidad Nacional de La Plata |
| instacron_str |
UNLP |
| institution |
UNLP |
| repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
| repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
| _version_ |
1868982612219920384 |
| score |
13.334379 |