Conexión sin SSL




Opciones Avanzadas




Cartelera
 

Secretaría de Investigación y Doctorado
Av. Paseo Colon 850 Piso 3° C1063ACV Capital Federal
Tel.: 4331-1852 4331-9877
E-mail: secid@fi.uba.ar
Web : http://www.fi.uba.ar/autoridades/secretarias/invydoc/
Secretario : Dra. Marta Rosen

COMPUTACION

LABORATORIO DE SISTEMAS OPERATIVOS Y BASES DE DATOS

AREA DE INVESTIGACIÓN:
Computación e Informática
DIRECTOR:
Gregorio Perichinsky, Licenciado en Ciencias Físicas, Area de Especialidad CIN Ingeniería Informática, Magister en Gestión Educativa iberoamericano, Doctor Honoris Causa Académico en Informática iberoamericano, Profesor Titular D.E.
DIRECCIÓN:
Laboratorio de Sistemas Operativos y Bases de Datos
Departamento de Computación. FIUBA.
Av. Paseo Colón 850, Piso 4º - (C1063ACV) Ciudad Autónoma de Buenos Aires.
Tel.: (+ 54-11) 4343-0891 Interno 140 - 142 - 143
E-mail: gperi@mara.fi.uba.ar / aserve@mara.fi.uba.ar / ejimenez@mara.fi.uba.ar / mdgrossi@mara.fi.uba.ar
INTEGRANTES:
Servetto Arturo Carlos, Licenciado en Informática Profesor Adjunto D.E.
Myriam Elizabeth Jimenez Rey, Ingeniera Civil, especialista en Ingeniería de Sistemas, Jefe de Trabajos Prácticos D.E.
Maria Delia Grossi, Ingeniera en Construcciones y especialista en Ingeniería de Sistemas, Jefe de Trabajos Prácticos D.E.
Valerio Lorenzo Strobino, Ingeniero Electrónico, Profesor Adjunto D.SI.
Felix Anibal Vallejos, Analista de Sistemas, Ayudante de 1ª D.SI.
Yuriy Zubenko, Doctor en Economía y Gestión, Ingeniero en Radio, Ayudante de 1ª D.SI.
Diego Andres Azcurra, Ingeniero Electrónico, Jefe de Trabajos Prácticos D.SI.
Nancy Figueroa, Ingeniera Naval, Magíster en Docencia Universitaria, Ayudante de 1ª D.SI.
Fernando Salgueiro, Estudiante de Ingeniería Informática, Ayudante de 2ª Regular D.SI.
Guido Costa, Estudiante de Ingeniería Informática, Ayudante de 2ª D.SI., colaborador.
PROYECTOS DE INVESTIGACIÓN EN CURSO:

Manufactura Integrada por Computadora en Sistemas Complejos para el Desarrollo Social, Industrial y de Tecnología. UBACyT código I015.
Las tecnologías relacionadas con el aprendizaje automático han mostrado ser de interés en el campo de la Manufactura Integrada por Computadora (CIM) con aplicaciones en el Desarrollo Social, Industrial y de Tecnología en el marco de los sistemas complejos en un esquema unificado ha sido reconocido como una nueva disciplina científica, dentro del contexto de los campos multidisciplinarios. Este tipo de sistemas incluye áreas tan diversas como ecosistemas, computadoras, la sociedad humana y su economía, el clima o los sistemas físico-químicos.
En el área de aprendizaje se siguen líneas de investigación relacionadas a la observación aplicado a la planificación y a la generación automática de teorías para modelar el comportamiento del entorno, para lo cual se diseñarán los algoritmos, particularmente para un sistema inteligente autónomo y los estilos docentes y de los estudiantes y su aplicabilidad a los sistemas en las áreas mencionadas.
Ecosistemas de computación: manejo de repositorios en sistemas de case (de ingeniería de software asistida por computadora) - control de versiones, gestión de transacciones, búsqueda de patrones por similitud.
El tema tiene impacto en la manufactura integrada por computadora en sistemas complejos para el desarrollo de tecnología, ya que facilita el desarrollo de software permitiendo la búsqueda de patrones de diseño en repositorios complejos y el manejo de versiones de componentes y sistemas; también se trabaja en la validación y optimización de productos a través de la detección de patrones por similitud con modelos para la sugerencia automática de componentes.

PALABRAS CLAVES:
Informática Educativa - Enseñanza de Algoritmia y Programación – Perfiles - Ingeniería de Software - ICASE (Integrated Computer Aided Software Engineering) - Procesos Ágiles de Desarrollo de Software - Modelos de Comportamiento de Sistemas - Máquinas de Estado Finito – Clasificación - Cluster (familia) – Espectro – Inducción - Divide y Reinarás – Entropía - Data Mining – Agentes – Balanceo – Reserva – Escenarios – Congestión – Tráfico - Paquetes de Datos - Dead-Lock - Multiagentes..

OTRAS ACTIVIDADES DEL GRUPO:
La Taxonomía Numérica apunta a agrupar en familias, usando análisis de la estructura de los objetos llamados unidades taxonómicas operacionales (OTUs o taxones o taxa).
Clusters que constituyen a las familias con un nuevo criterio, es el propósito de esta serie de trabajos en los últimos ocho años a partir de las estructuras de las bases de datos.

El análisis estructural, basado en las características Fenotípicas, exhibicendo las relaciones, por lo que se refiere a los grados de similitud, a través del cómputo de la Matriz de Similitud, aplicando la técnica de integración dinámico de dominios independientes, de la semántica del Modelo de la Base de datos Relacional Dinámica.
La contribución principal es introducir el concepto de espectro de los OTUs, basado en los estados de sus carácteres. El concepto de los espectros de familias surge, si los principios de superposicion e interferencia, y las Invariantes (centroide, varianza y radio) determinados por el máximo de la relación de Bienaymé-Tchebycheff, se aplica a los espectros de los OTUs.
Usando en forma sucesiva una base de datos puesta al día a través del aumento del cardinal de los tuples, y cuando las familias resultantes son las mismas, así determinamos la robustez del método.

A través del Data Mining Inteligente, enfocamos nuestro interés en los algoritmos de Quinlan, aplicado en los problemas de la clasificación con la Ganancia de Entropía, contrastamos la Taxonomía Computacional, obteniendo un nuevo criterio de la robustez del métodoe introduciendo originalmente tecnología Inteligente en sus múlñtiples herramientas como Algoritmos Genéticos, Redes Neuronales, Teoría de Onditas, etc. punto de inflexión en 1992.

Desarrollo de una herramienta ICASE (Integrated Computer Aided Software Engineering) que produzca sistemas, esto es, el código y la documentación completos, a partir de especificaciones gráficas de alto nivel de abstracción. Para ello se definió un proceso de desarrollo ágil basado en la prototipación evolutiva, con ciclos Conformados por la especificación o evolución de requerimientos, la especificación o evolución de Diseño y la generación o regeneración del sistema.
Para modelar la estructura estática de los productos se emplean diagramas de clase que representan.
el modelo de dominio (entity classes), y para modelar la estructura dinámica se emplea un modelo basado en la teoría de autómatas finitos: se concibe a todo sistema como a un autómata cuyos estados se asimilan a interfaces (boundary classes), y sus transiciones a funciones (métodos de un controller asociado a cada interfaz) que también se especifican con un alto nivel de abstracción, y que son la base para la generación del código. Para cada ciclo de evolución se contemplan las etapas del proceso refinándose estos diagramas.

Informática Educativa proponiendo una estrategia para la enseñanza de Computación, asignatura de formación básica obligatoria para todos los alumnos de las carreras de Ingeniería (excepto Ingeniería en Informática e Ingeniería Electrónica) sobre la base de nuestra experiencia docente.
Se describen las condiciones de enseñanza para ejemplificar los problemas que debemos resolver, se presenta la metodología utilizada para optimizar el aprendizaje de los alumnos, se expone la forma de evaluación aplicada y los resultados que se han conseguido y se pretende conseguir. Se fundamenta la propuesta desde la perspectiva educativa de mejorar la calidad de la enseñanza.
Se intruce el Protocolo para determinación de estilos de aprendizaje en ingeniería.
La complejidad en el comportamiento se debe a la coevolución natural de un sistema, el valor de la decisión de un agente dependerá de las elecciones hechas por todos los otros. Puesto que las dinámicas complicadas pueden llegar a bajar significativamente la performance global del macrosistema, es importante determinar métodos que nos permitan controlar tales sistemas, manteniendo la robustez y conformidad en sus decisiones locales. La tarea es complicada por el hecho de que los procedimientos existentes para controlar el caos en sistemas con pocos grados de libertad, son inaplicables a la computación distribuida, la cual se caracteriza por un gran número de procesos interactuando sobre grandes distancias.
Así como existen diversos idiomas, también así existen distintos protocolos. Algunos de ellos con varios años de existencia, tales como X.25, SNA (de IBM), DECNET (de DEC Corporation), Appletalk (de Apple), y otros más recientes como IP, IPX (de Novell). Para todos ellos se han estipulado modelos conceptuales como el ISO OSI, el cual divide la problemática de la comunicación en siete capas o niveles de conexión jerárquicos, los cuales resuelven cada uno y en forma separada, distintos aspectos en la tarea de conexión.
Son problemas abiertos:
• Balanceo de carga en los enlaces de conexión.
• Reserva de recursos en el camino de la conexión para el caso de una red mallada.
• Predicción de escenarios de congestión de tráfico de paquetes de datos.
• Resolución de congestionamiento.
• Resolución de escenarios de Dead-Lock para la liberación de recursos.
El aprendizaje automático en el marco de los agentes inteligentes es una disciplina de la Inteligencia Artificial que ha tomado impulso en los últimos años. De las variadas formas en las que ha cristalizado, la que mejor modeliza el aprendizaje humano es la que toma en los sistemas con aprendizaje por observacion y descubrimiento.

EQUIPAMIENTO DISPONIBLE:
Como Servidor del motor de Bases de Datos Relacional Dinámica se propone el Origin2000 Deskside con 2 procesadores R10K de 250 Mhz. Y 4 Mb. de Memoria Caché, 512 Mb. de Memoria Principal, disco Rígido interno de 72 Gb. USCSI2, Sistema Operativo IRIX 6.5, de la empresa Silicon Graphics S. A. que funcionaba para investigación y no se permitió su uso.
3 PC’s de muy baja Performance incluyendo disco y memoria de poca capacidad y micro de bajo ciclaje. Obsoletas.

Volver atras

Responsabilidad sobre contenidos

el_armador_@fi.uba.ar
Facultad de Ingeniería de la Universidad de Buenos Aires
Av. Paseo Colón 850 - C1063ACV - Buenos Aires - Argentina - Tel +54 (11) 4343-0891 / 4343-2775