4. Proyectos

Browse

Search Results

Now showing 1 - 10 of 25

Some of the metrics are blocked by your
consent settings
¿Gramáticas que mueren?: Aproximación crítica a la obsolescencia de las lenguas desde la documentación y la tipología lingüísticas, las ciencias de la información y la inteligencia artificial
Según la última versión de Etnologue (2017), de las 7099 lenguas registradas en el mundo, 200 tienen menos de 10 hablantes. En el Perú, según cifras oficiales (MINEDU 2013), de las 47 lenguas reconocidas por el Estado peruano, 17 se encuentran 'seriamente en peligro' y 8 tienen menos de 10 hablantes. Pensar críticamente y revertir los procesos sociales y gramaticales que encierra la muerte de las lenguas es una tarea primordial para los lingüistas de los países que, como el Perú, albergan una mega diversidad idiomática en peligro. Toda estrategia destinada a revertir la obsolescencia lingüística requiere abordarla en toda su complejidad gramatical y sociolingüística. Nuestra propuesta busca ofrecer una contribución significativa a la comprensión de la obsolescencia lingüística a partir de una aproximación interdisciplinaria que combina métodos de la lingüística, las ciencias de la información y la inteligencia artificial (minería de datos). Abordaremos nuestro objeto de estudio desde dos líneas de trabajo bien delimitadas: la documentación lingüística en perspectiva crítica y la tipología cuantitativa. Desde la primera buscamos documentar, describir y promover la revitalización de una lengua obsolescente peruana: el iskonawa. Desde la segunda, buscamos crear y estudiar -a partir de la aplicación de métodos de la minería de datos- un gran repositorio de información gramatical y sociolingüística para un total de 35 lenguas obsolescentes de todo el mundo (con foco en Perú). Nuestro equipo abordará críticamente dos ideas muy extendidas que, a nuestro parecer, carecen de una base empírica sólida: (i) que las lenguas obsolescentes manifiestan los mismos rasgos tipológicos y son todas muy simples, y (ii) que la muerte de las lenguas es siempre el resultado de procesos sociolingüísticos similares.
1
Some of the metrics are blocked by your
consent settings
Aire Andino: Estimación de los impactos de los contaminantes atmosféricos antropogénicos sobre los ecosistemas de montaña usando Inteligencia Artificial
El cambio climático generado por la actividad antropogénica (quemas forestales, parque automotriz, etc.) viene causando impactos como el incremento de la contaminación atmosférica (PMs, aerosoles, lluvias ácidas, etc.) lo cual conlleva a cambios en los elementos de los ecosistemas de montaña, región donde se ubica poblaciones altamente vulnerables a los cambios del sistema climático. Aunque existen estándares de calidad ambiental (ECA), e instituciones que monitorean y vigilan la calidad del aire (SENAMHI, IGP, OEFA, INAIGEM, etc.) aún no se tiene conocimiento claro de la manera de difusión de los contaminantes atmosféricos en zonas de montaña, una baja cantidad de estaciones de monitoreo para detectar o dar seguimiento a los eventos o hotspot de contaminantes en zonas de montaña, y no se tiene proyectos de investigación en estas áreas. La forma convencional de estudiar la contaminación atmosférica es a través de generar información espacio-temporal mediante modelos físico-químicos climáticos a escala regional, tal como el modelo WRF-Chem. Pero, a pesar de sus bondades en representar detalladamente la física e interacciones químicas de los contaminantes aéreos, una gran limitante en la implementación de este tipo de modelado es la necesidad de una elevada capacidad computacional para generar información extrapolada de las condiciones climáticas físico-químicas de la atmósfera. El presente proyecto busca aplicar técnicas alternativas basadas en inteligencia artificial (IA) para obtener un modelo que genere estas distribuciones de contaminantes atmosféricos desde las fuentes detectadas, pero con una reducción importante en la demanda de poder computacional y tiempo de procesamiento. Esto permitirá estudiar eventos ocurridos a resoluciones espaciales y temporales más detalladas, lo cual implica generación de escenarios de impactos a los elementos de los ecosistemas de montaña y a la población, de forma rápida y predictiva.
1
Some of the metrics are blocked by your
consent settings
Desarrollo de un sistema de monitoreo de calidad del aire en zonas urbanas con módulos de medición de bajo costo en tiempo real y técnicas de Inteligencia Artificial
El aire es un recurso vital para nuestra existencia, pero su calidad es amenazada en las ciudades. Las autoridades hacen esfuerzos por desplegar estaciones de monitoreo del aire, pero debido a los altos costos, el número es normalmente limitado. Es, por lo tanto, altamente deseable el desarrollo de sistemas de monitoreo de calidad del aire de bajo costo. Para ello, no solo es necesario sensores de bajo costo, si no, principalmente, modelos computacionales eficientes que den el mejor uso a los datos colectados para inferir contaminación en zonas no censadas. Por ese motivo, la comunidad científica ha desarrollado modelos de la físico-química atmosférica, con el fin de explicar mediciones históricas y proyectar escenarios futuros. La desventaja de dichos modelos es la necesidad de tener información precisa de los distintos parámetros y las condiciones iniciales y de frontera para generar simulaciones realistas; dicha información no está normalmente disponible en ciudades en vías de desarrollo como Lima, que solo cuenta con 10 estaciones de monitoreo para una área de más de 3000 km2. Asimismo, la alta demanda computacional de dichos modelos los hacen poco atractivos para ser incorporados en sistemas de monitoreo de bajo costo. En el presente proyecto se plantea el desarrollo de un sistema de monitoreo de calidad del aire de bajo costo, el cual comprende el desarrollo de una red de módulos de medición de bajo costo, junto con el desarrollo de modelos predictivos basados en Redes Bayesianas (RBs) para la generación de mapas de contaminación en tiempo real y de alta resolución espacial. Las RBs son técnicas de Inteligencia Artificial que han mostrado ser herramientas prometedoras para integrar diversas fuentes de información y lidiar con complejidad e incerteza. Serán desplegadas dos redes en etapas diferentes, una en Lima y otra en Arequipa. Con ello, se pretende contribuir con un sistema de bajo costo que nos informe sobre la calidad del aire que respiramos.
Some of the metrics are blocked by your
consent settings
Calibración inteligente de módulos de medición de calidad del aire de bajo costo utilizando técnicas de Inteligencia Artificial
El monitoreo de la calidad del aire en entornos urbanos es de gran importancia para el cuidado del medio ambiente y la salud. La información capturada por las redes de monitoreo del aire es un insumo clave para las instituciones ambientales y gobiernos locales, que requieren conocer la situación del aire y generar políticas y planes de acción para controlar las amenazas ambientales, evaluando el impacto de dichas acciones. Tradicionalmente, la información de la calidad del aire en zonas urbanas es obtenida a través de redes de estaciones de medición certificadas de alta gama, que proporcionan datos de elevada confiabilidad. Sin embargo, el despliegue de estaciones certificadas es difícil o inviable para muchas ciudades, debido a sus altos costos de adquisición y mantenimiento. En respuesta a ello investigadores de la presente propuesta han diseñado e implementado un sistema de monitoreo de calidad de aire para entornos urbanos, el cual es conformado por una red de dispositivos de medición IoT de bajo costo y una plataforma informática que permite procesar en tiempo real la información recolectada y ponerla a disposición de los usuarios a través de una interfaz web/móvil de una forma amigable e intuitiva. Sin embargo, a pesar de las atractivas posibilidades que brindan las tecnologías de censado de bajo costo para monitorear grandes áreas urbanas, la confiabilidad de los datos capturados por estas tecnologías ha sido cuestionada con frecuencia. En vista de ello, la presente propuesta objetiva desarrollar un sistema inteligente y remoto de calibración de sensores low-cost de calidad de aire (material particulado) que minimice el tiempo de calibración, que sea usable en diversos entornos urbanos y temporadas climáticas y que maximice la calidad de los datos entregados. Disponer de dicho sistema ahorraría costos operativos, tiempo y se podría alcanzar un grado de especialización que permita que la red de monitoreo siga creciendo tanto dentro como fuera del país.
Some of the metrics are blocked by your
consent settings
Evaluación del rendimiento energético-técnico-económico de tecnologías fotovoltaicas emergentes y su degradación en distintas zonas climáticas del Perú: aplicación de modelos de Inteligencia Artificial e implementación de una plataforma pública en línea para el acceso de datos
El presente proyecto, con un claro enfoque multidisciplinar, acrecentará y universalizará el impacto del proyecto base en el que se han instalado sistemas fotovoltaicos conectados a red (SFCR) en seis universidades peruanas situadas en distintas zonas climáticas del Perú: Lima (costa y centro de ciudad), Arequipa, Tacna, Amazonas y Puno. Los SFCRs instalados se han implementado utilizando tres tecnologías de módulos emergentes en el mercado fotovoltaico (FV) de las que se desconoce su funcionamiento real en el Perú. Actualmente, se investiga su rendimiento energético, técnico y socio-económico. Con esta nueva propuesta, el gran volumen de datos y conocimiento que será adquirido en el proyecto base, y que podrá ser ampliado con la presente iniciativa, dispondrá de una plataforma adecuada para su difusión, tratamiento inteligente y, paralelamente, transferido a toda la comunidad peruana con el objeto de fomentar nuevos proyectos de electrificación rural, urbana e industrial con energía renovable solar FV. Concretando, con la presente propuesta, se pretende ampliar los resultados previstos para el proyecto base con las siguientes acciones: 1. Se ampliarán las estaciones de monitoreo, adquiriéndose datos meteorológicos adicionales que permitan un modelado más refinado. 2. Se desarrollará y validará experimentalmente un prototipo de sistema Internet of Things para monitoreo FV que permita la adquisición y almacenamiento, tanto en local como en remoto, de los parámetros ambientales y principales parámetros eléctricos que permiten la evaluación de los sistemas. 3. Se desarrollará una plataforma informática online para el manejo, visualización y evaluación de la data adquirida del sistema de monitoreo desarrollado. Esta plataforma incluirá un módulo de inteligencia artificial para la predicción de rendimiento energético. La plataforma será pública en línea con acceso a la data para divulgar resultados de la evaluación del rendimiento energético-técnico-económico.
3
Some of the metrics are blocked by your
consent settings
¿Cómo cerrará mañana la Bolsa de Valores de Lima? Investigando una respuesta con técnicas contemporáneas de Inteligencia Artificial basadas en Redes Bayesianas
Sumilla Los mercados de valores constituyen una fuente importante de capitales para las empresas. Su crecimiento está fuertemente asociado con el crecimiento de los países donde operan. Son también una forma de democratización del capital, donde los ciudadanos podemos participar y rentabilizar del sistema de propiedad de las empresas o bonos del gobierno. Tener herramientas computacionales de asistencia a la toma de decisiones puede generar incentivos para la entrada de potenciales inversores al mercado o asistir a los que ya participan. En esa línea, el presente proyecto objetiva investigar la aplicación de técnicas contemporáneas de Inteligencia Artificial, como las basadas en Redes Bayesianas, para modelar y predecir la tendencia de los índices bursátiles de la Bolsa de Valores de Lima al cierre de la jornada, en base a informaciones de índices bursátiles de otros mercados alrededor del mundo. Técnicas predictivas actuales para los mercados financieros no consideran normalmente la información de otros mercados en sus predicciones, lo cual no se condice con la realidad globalizada actual. También es frecuente observar que los modelos existentes tienden a ser complejos y poco transparentes, funcionando como cajas negras y originando desconfianza en los usuarios. Así el presente proyecto explorará cómo nos podemos beneficiar de las técnicas basadas en redes Bayesianas, junto con metodologías de aprendizaje en comité. De esa manera se buscará contribuir con una alternativa de modelamiento de mayor expresividad y a la vez manteniendo una precisión adecuada, con un enfoque en nuestro mercado local.
Some of the metrics are blocked by your
consent settings
Robot móvil con sistema de inteligencia artificial para telemarketing y atención al cliente
El crecimiento económico de los últimos años ha generado un incremento en la demanda de personal para atención al cliente, publicidad y marketing, pero existe una brecha entre la mano de obra demandada y la disponible. En este sentido, un robot que realice estas funciones, es una oportunidad para satisfacer las necesidades del mercado. Para eventos de comunicación, publicidad y marketing, los robots realizan recolección de información (encuestas, audio, imágenes, video) para análisis de tendencias, hábitos, trayectorias y opiniones utilizando algoritmos de inteligencia artificial, esta información es una base de datos valiosa para el rubro de retail, cadenas de autoservicio, centros comerciales, universidades, y otros. Se propone el desarrollo e implementación de un Robot Móvil de Telepresencia con Sistema de Inteligencia Artificial para Telemarketing y Atención al Cliente. El robot cuenta con: i) estructura modular y ligera para fácil transporte; ii), capacidad de teleoperación y telepresencia; iii) capacidad de navegación autónoma y generación de trayectorias; iv) algoritmos para recolección de información y reconocimiento de patrones; v) características interactivas para interacción humano-robot. Los componentes diferenciadores son sus partes modulares que lo hacen portátil y expandible para diversas actividades (conferencias, visitas a planta, marketing, publicidad, supervisión), y sus algoritmos de inteligencia artificial propietarios que permiten una interacción y comunicación humano-robot fluida.
Some of the metrics are blocked by your
consent settings
Programa de Investigación, Proyecto año 1: Desarrollo de algoritmos de inteligencia artificial con el protocolo Volumétrico de barrido (VSI) para el diagnóstico de cáncer de mama
Para proyecto de año 1: El cáncer de mama es el cáncer no cutáneo más común en mujeres, con una creciente incidencia y mortalidad en países de ingresos bajos y medianos (PIBM) debido a la falta de acceso a diagnósticos y tratamientos adecuados. La ecografía, siendo rentable y portátil, se propone como una herramienta clave para la detección temprana de anomalías mamarias palpables, aunque su implementación ha sido limitada por la falta de especialistas. Para abordar esto, se sugiere un enfoque innovador que combina la adquisición ecográfica utilizando los protocolos volumétricos de barrido (VSI por sus asiglas en inglés, Volume Sweep Imging) con inteligencia artificial (IA) para un diagnóstico preliminar automatizado y rápido, sin necesidad de radiólogos experimentados. El protocolo VSI elimina la necesidad de que la adquisición se realice por un médico especialista; debido a que al operador (el cual podría ser un médico general), es entrenado en una serie de barridos en el o la paciente. Estas adquisiciones son grabadas y enviadas a un médico especialista para realizar su interpretación. Se desea evaluar algoritmos de IA de clasificación como resnet, mobilenet, vgg16 y segmentación como Unet, attention UNET y swin UNET en el diagnóstico preliminar de cáncer de mama. Este sistema busca mejorar el acceso y reducir los retrasos en el diagnóstico, especialmente en regiones con recursos limitados. Estudios preliminares han mostrado alta precisión en la detección y clasificación de masas mamarias mediante VSI e IA. La investigación evaluará la precisión de este sistema en una muestra de 306 pacientes y desarrollará algoritmos específicos, con el objetivo de proporcionar una solución viable y eficaz para mejorar los resultados del cáncer de mama en PIBM.
Some of the metrics are blocked by your
consent settings
Proposal for the Inaugural Pan-American Workshop on Machine Learning and Artificial Intelligence (PWML) 2024
We introduce the first session of the Pan-American Workshop on Machine Learning (PWML) to take place in the city of Cusco, Peru as part of the Andescon conference, a well-known and established conference in the area of technology and innovation. The date to be chosen is September 11th, 2024. Our vision is to create an environment where top active researchers from the American continent can interact and collaborate in the area of machine learning and artificial intelligence. AI/ML is an area of rapid development with projections to cover many areas in industry and government, especially in the area of military defense. Our objective is to bring in top scientists from different countries in the American continent to collaborate in solving very hard problems in AI/ML that are complex in nature and need great investment of funding and talent.
1
Some of the metrics are blocked by your
consent settings
eQuechua, sistema de reconocimiento automático del idioma Quechua
3

4. Proyectos

Browse

Filters

Settings

Sort By

Results per page

Search Results