http://hdl.handle.net/10226/1291 Esta colección esta conformada por Tésis de estudiantes de Posgrado de la Facultad de Ingeniería. 2026-11-12T03:54:41Z http://hdl.handle.net/10226/2772 Reconocimiento y Gestión de Residuos en la Industria Manufacturera Textil Canaval Garcia, Laura Fernanda La industria textil es una de las más contaminantes a nivel global, debido a la generación masiva de residuos y el consumo excesivo de recursos. Este trabajo de investigación se enfoca en la mejora de la gestión y el reconocimiento de residuos textiles en el sector manufacturero mediante la implementación de tecnología IoT (Internet de las Cosas). El objetivo principal es diseñar un sistema innovador que permita identificar, separar y guiar a los usuarios en la disposición adecuada de productos textiles desechados, optimizando así los procesos de reciclaje y promoviendo prácticas sostenibles. La investigación se centra en definir las tecnologías necesarias para la identificación y clasificación de materiales, utilizando sensores avanzados como NIR, RFID y sistemas de visión artificial. Además, se desarrolla un modelo técnico de trazabilidad que garantiza la gestión eficiente de los residuos a lo largo de su ciclo de vida, desde la generación hasta su disposición final. El sistema propuesto también permite la integración de plataformas de análisis en tiempo real, lo que optimiza las rutas de recolección y facilita el cumplimiento de las normativas ambientales. Este enfoque contribuye a reducir los residuos textiles en vertederos y también impulsa la transición hacia una economía circular, mejorando la sostenibilidad operativa y reduciendo la huella ecológica de la industria textil. Director de Tesis Prof. Mgr. Pablo Lena 2026-02-11T00:00:00Z http://hdl.handle.net/10226/2767 MODELO DE REFERENCIA PARA LA APLICACIÓN DE INTELIGENCIA ARTIFICIAL EN LA DETECCIÓN DE ESTAFAS TELEFÓNICAS Y DIGITALES Boronat, César David En este proyecto se pretende examinar las causas, medios y efectos producidos por estafas a través de canales telefónicos y digitales como también los mecanismos que permitan su detección y prevención. Se presentarán las principales tecnologías involucradas en la generación de estos fraudes. Se identificarán los sectores de la sociedad más vulnerables frente a estas situaciones. Se establecerá la relevancia de la problemática en la actualidad y el rol de la inteligencia artificial en la identificación y mitigación de los actos delictivos a tratar. Se expondrán las herramientas y metodología disponibles y los resultados que pueden logran frente al uso de mecanismos radicionales. Se propondrá un modelo de aplicación de inteligencia artificial en la detección de estafas telefónicas y digitales con el fin de generar un MVP (producto mínimo viable por su siglas en inglés) como entregable y herramienta de validación. Tutor de Tesis: Mg. Juan Manuel Miguez 2026-03-17T00:00:00Z http://hdl.handle.net/10226/2754 Aplicación de Algoritmos de Machine Learning en la Prevención de Lesiones en el Ámbito Deportivo Planiscig, Hugo D. Hasta el momento, distintas investigaciones han sido enfocadas en el estudio de cómo prevenir las lesiones en el deporte, ayudando a los distintos actores a prevenir las mismas utilizando las herramientas de Machine Learning (ML) e Inteligencia Artificial (AI). El uso de estas herramientas tiene un potencial enorme para la obtención de información preventiva de las lesiones en el campo psicológico y fisiológico por separado. Pero no se han encontrado investigaciones que traten de utilizar estas herramientas con el objetivo de relacionar o vincular variables, las psicológicas con las fisiológicas en conjunto, y esto sería de gran ayuda para la prevención de lesiones teniendo en cuenta que son variables muy influyentes en los deportistas. El objetivo de este trabajo es desarrollar un modelo de prevención de lesiones utilizando ML y aI aplicado a deportes y vinculando variables psicológicas y fisiológicas al mismo tiempo, identificando las mismas y aplicando los distintos tipos de algoritmos existentes. Como conclusión, los resultados arrojados muestran que nuestro enfoque es viable para predecir lesiones en el deporte combinando 2 universos que hasta el momento no estaban vinculados o relacionados, estos son los de origen fisiológicos y los psicológicos. A lo largo del desarrollo se puede observar como a partir de un set de datos y la utilización de distintos algoritmos de ML, estos universos tienen muy buena correlación arrojando un resultado final muy preciso respecto al tipo de lesión puede tener un deportista, estas son clasificadas como del tipo grave, moderada o leve. 2024-08-01T00:00:00Z http://hdl.handle.net/10226/2749 TÉCNICAS DE OPTIMIZACIÓN DE MODELOS PRE-ENTRENADOS APLICADOS A UN MODELO MULTIMODAL EN IDIOMA ESPAÑOL Bastidas Mendieta, Pablo V. El presente trabajo presenta una variedad de estrategias de optimización de modelos pre-entrenados aplicados a la tarea multimodal respuesta visual a preguntas (VQA) en idioma español. Se destacará la importancia de la fusión efectiva de características visuales y textuales, el aprendizaje por transferencia de modelos en tareas relacionadas, se hará énfasis en los algoritmos de optimización y ajustes de hiperparámetros mas eficaces para esta tarea, junto con la técnica del aumento de datos, para mejorar la capacidad de los modelos de comprender y responder de manera precisa a las preguntas basadas en contenido visual y textual. Mediante un análisis de estas técnicas, se ilustrará cómo la optimización de modelos pre-entrenados en la tarea multimodal de VQA puede impulsar avances significativos en la comprensión y el procesamiento multimodal. Director de Tesis: Asteasuain Fernando 2024-08-15T00:00:00Z