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
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/195920

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