Academic Theses

Análisis poliedral y explicabilidad en redes neuronales artificiales

Este trabajo aborda la opacidad de las redes profundas ReLU mediante una estrategia de explicabilidad estructural basada en zonotopos híbridos, los cuales permiten una representación exacta de la red y ofrecen un marco unificado, escalable y algorítmicamente eficiente para analizar propiedades geométricas reportadas en la literatura. La metodología se materializa en un pipeline reproducible orquestado con Kedro, que abarca desde el entrenamiento batch de redes ReLU hasta el modelado geométrico y análisis de las mismas.

Descubrimiento y diseño de microservicios asistido por IA a partir de requisitos textuales

Esta tesis investiga el problema de descubrir y diseñar arquitecturas de microservicios a partir de requisitos textuales mediante un enfoque generar–verificar. Se propone ArchiGenMS, un pipeline que integra: (i) modelos generativos guiados por prompt engineering y búsqueda evolutiva para producir candidatos arquitectónicos; y (ii) verificación formal en Lean junto con métricas estructurales (cohesión, granularidad y acoplamiento) para evaluar y certificar propiedades de calidad a nivel de diseño. La metodología se enmarca en Design Science Research (DSR), articulando un ciclo de relevancia (problema de diseño greenfield desde texto), un ciclo de rigor (síntesis sistemática del estado del arte y formalización de métricas) y un ciclo de diseño (construcción y evaluación del artefacto). El resultado es un proceso extremo a extremo que parte de historias de usuario y artefactos textuales, genera alternativas arquitectónicas consistentes y aplica garantías formales sobre restricciones estructurales y umbrales operacionales de calidad. La verificación formal no solo valida, sino que guía la búsqueda de soluciones hacia regiones del espacio arquitectónico con mayor cohesión, menor acoplamiento y granularidad adecuada, reduciendo diseños plausibles pero estructuralmente deficientes. Se presentan experimentos sobre conjuntos de requisitos en dominios heterogéneos, reportando: (a) convergencia del fitness evolutivo; (b) mejoras en las distribuciones de las métricas estructurales; (c) coste controlado de verificación por individuo; y (d) robustez mediante amenazas a la validez (constructo, interna, externa y de conclusión), control de semillas, y paquete de replicación. Las contribuciones son: (1) un artefacto verificable para el descubrimiento y diseño de microservicios desde texto; (2) una formalización reusable de métricas estructurales en Lean y su integraciónen una función de aptitud con penalizaciones suaves; (3) un protocolo experimental reproducible (código, prompts versionados y datos) que permite evaluar calidad arquitectónica en escenarios greenfield. Finalmente, se delinean lńeas futuras en NFRs dinámicos, propiedades temporales y transferencia industrial. Finalmente, se delinean líneas futuras en NFRs dinámicos, propiedades temporales y transferencia industrial.

Detección automática de problemas de accesibilidad en controles deshabilitados y en el uso de color como proveedor de información

Entidades Relacionales en Motores de Búsqueda: Comparando diseños y soluciones en espacios vectoriales y bases de datos relacionales

Un estudio sobre el impacto UX smells móviles en la eficiencia de uso

Métodos y herramientas para la abstracción de modelos de objetos en contenido web por parte de los usuarios finales

La gran cantidad de información existente en la web y su forma de localización es un verdadero reto para un usuario que desea obtener resultados de forma rápida y precisa, incluso utilizando herramientas de inteligencia artificial que hasta cierto punto no son ideales puesto que cometen errores. En este sentido, esta tesis presenta un enfoque que permite a usuarios sin conocimientos de programación, abstraer contenidos de sitios web, componerlos y entregar información de forma rápida y eficiente, misma que puede servir como insumo para su análisis y uso, permitiendo satisfacer las necesidades de usuarios no contemplados por los sitios web de forma individual. Este enfoque y su conjunto de herramientas de apoyo, brindan a los usuarios un ma- yor control y transparencia sobre la extracción y el formato de los datos. Adicionalmente aborda el desarrollo por usuarios finales con técnicas como Aumentación Web y Web Scraping que son transparentes para el usuario, librando así de las preocupaciones que contraen estas técnicas, para el usuario sin conocimientos de programación. En este con- texto se desarrolló dos herramientas esenciales: la primera que crea servicios de búsqueda de un sitio web denominado Search API y la segunda, otra herramienta que realiza la composición o integración de los servicios de búsqueda. El enfoque fue evaluado por 50 participantes que no tenían conocimientos de progra- mación, mismos que evaluaron la usabilidad de las herramientas, mostrando resultados prometedores de este enfoque.

Modelo combinado de co-training y aprendizaje por transferencia para clasificación de documentos, a partir de un análisis comparativo de modelos de aprendizaje semi-supervisados

La escasez de documentos etiquetados en la mayoría de los conjuntos de datos en distintos dominios dificulta la correcta clasificación de documentos y la generación de aprendizaje, además de implicar altos costos en términos de recursos para su proceso de etiquetado. En este contexto, los modelos de aprendizaje semi-supervisados (Semi-Supervised Learning, SSL) surgen como una alternativa para mitigar esta limitación, sin embargo, la falta de un análisis comparativo que evidencie las fortalezas y debilidades de los distintos tipos de modelos dificulta su selección. Así, se plantea una Revisión de Literatura Sistemática (Systematic Literature Review, SLR) que identifica que las principales limitaciones de los modelos están relacionadas con los límites de decisión y la adaptación de dominio, factores que afectan sus niveles de rendimiento medidos en precisión. Es por esta razón que en la presente tesis se propone diseñar un modelo combinado de clasificación SSL que optimiza el proceso de etiquetado y la clasificación de documentos, mejorando su eficacia y niveles de precisión. Para ello, se desarrolla un marco comparativo que evalúa los distintos tipos de modelos y se implementa una estructura que integra las mejores prácticas identificadas. La metodología de trabajo para el análisis de los modelos se fundamenta en el enfoque PICOC para la estrategia de búsqueda y en la guía PRISMA para la definición de los criterios de exclusión. El modelo propuesto se estructura empleando una combinación de técnicas de coentrenamiento y transferencia de aprendizaje (COTRA) para el procesamiento y entrenamiento de datos respectivamente, su entrenamiento se refuerza mediante el uso del conjunto de datos pre-entrenado de BERT. A diferencia de modelos previos, la estructura de COTRA fortalece el estado del arte al abordar de manera conjunta los desafíos de adaptación de dominio y límite de decisión. Esto se logra mediante una representación multivista optimizada que integra diversas representaciones de documentos con información complementaria proveniente de fuentes pre-entrenadas. Esta estrategia permite reducir la incertidumbre en la asignación de etiquetas y mejorar la capacidad de generalización en escenarios con datos etiquetados limitados, proporcionando un modelo más robusto y adaptable para la clasificación de textos en contextos con restricciones de datos. Para la evaluación de COTRA, se llevaron a cabo experimentos con documentos científicos clasificados en cinco y once categorías correspondientes a sus áreas de estudio. El modelo se comparó con modelos SSL individuales basados en auto-entrenamiento, así también con modelos que incorporan co-entrenamiento, algoritmos genéticos y aprendizaje por transferencia a través de pipelines de clasificación como enfoques zero-shot. COTRA ha logrado los mejores niveles de rendimiento en comparación con el resto de modelos, alcanzando una precisión máxima de 0,87 entre los modelos de co-entrenamiento, frente a la mejor métrica de 0,78 obtenida por los modelos individuales de auto-entrenamiento en la clasificación de cinco categorías. Estos resultados indican que el co-entrenamiento representa una estrategia efectiva para mejorar el desempeño predictivo en la clasificación de documentos.

Dos hojas de ruta para aprender computación cuántica

El objetivo central de este trabajo de tesina es diseñar y analizar comparativamente dos estrategias diferenciadas de aprendizaje sobre el paradigma de computación cuántica, tomando como base las experiencias de dos personas que abordan el tema mediante estrategias y fuentes de consulta distintas. Dicho análisis busca extraer lecciones sobre los métodos de apropiación de conocimientos en este campo emergente de la informática, con especial énfasis en estudiantes provenientes de la computación tradicional.

Flowtion: Herramienta de soporte para facilitar experiencias de co-diseño virtual

Desde los obstáculos hasta las estrategias: integración de la inteligencia artificial en el ciclo de vida del desarrollo del software

En el presente estudio se realizó una revisión narrativa sobre la integración de la AI (artificial intelligence) en el SDLC (Software Development Life Cycle), analizando tanto los avances tecnológicos como los obstáculos que impiden su adopción plena. A través de una sistematización de la información extraída de estudios recientes, se identificaron y clasificaron las principales herramientas de AI aplicadas en cada fase del SDLC, así como los desafíos asociados, que se agrupan en dimensiones técnicas, organizacionales y éticas. La metodología empleada incluyó la revisión y análisis comparativo de literatura de alta relevancia, utilizando criterios de selección rigurosos y la elaboración de una matriz de extracción de datos para identificar patrones y tendencias en la integración de la AI. Los hallazgos revelan que, aunque la aplicación de técnicas como el aprendizaje profundo, el procesamiento de lenguaje natural y los agentes inteligentes ofrecen oportunidades para optimizar procesos clave (como la planificación, el diseño, la generación de código, las pruebas y el mantenimiento), persisten barreras significativas que limitan la efectividad de estas estrategias. Entre los desafíos se destacan la calidad y la estructuración de datos, la compatibilidad con sistemas heredados, la resistencia organizacional y la falta de transparencia en los modelos de AI. En consecuencia, se proponen estrategias integrales que combinan mejoras técnicas, amplios programas de capacitación y marcos éticos robustos para favorecer una integración más sostenible y eficiente de la AI.