Ingeniería Civil Informática

Las redes neuronales convolucionales han revolucionado la tarea de segmentación de imágenes médicas debido a su destacado rendimiento y cualidades excepcionales, como su capacidad de generalización y de extracción automática de características relevantes, lo cual resulta especialmente efectivo en el contexto de imágenes médicas. Sin embargo, se enfrentan a desafíos cuando se trata de segmentar imágenes médicas provenientes de diferentes fuentes, especialmente aquellas con resoluciones distintas a las del conjunto de entrenamiento. Este trabajo estará enfocado en superar estos desafíos y determinar la mejor configuración y tipos de parches de muestreo como entrada a una red neuronal convolucional. Además, se implementará una metodología para la aplicación de un algoritmo de registración de imágenes de resonancia magnética (MRI) a un espacio común. El desempeño de los modelos de segmentación se medirá utilizando métricas de evaluación, como los índices de Precision, Recall y DICE, que brindan una mejor comprensión de la efectividad de los enfoques propuestos.

En un mundo impulsado por la información, donde la toma de decisiones basada en datos puede marcar la diferencia entre el éxito y el fracaso, la optimización de los servicios se ha convertido en un imperativo. En este estudio, se propone la incorporación de un sistema de análisis de datos en Walmart CL, específicamente en ”Promise Engine”, el artefacto encargado de las ventanas de despacho. Se enfatiza la utilización exclusiva de tecnologías avaladas por la empresa y la implementación bajo metodologías ágiles, alineándose con la cultura corporativa de Walmart. Durante el desarrollo, se enfrentó el reto adicional de un proceso de migración de la plataforma de Chile a Internacional. Los resultados obtenidos muestran un flujo de datos efectivo desde la API del ”Promise Engine”, hacia un datamart en BigQuery, todo ello monitoreado. Basándose en hipótesis sobre el comportamiento de las ventanas de despacho, se crearon diversos dashboards para su validación. Las conclusiones destacan la importancia de seguir el flujo de trabajo empresarial, a pesar de los desafíos, y la adaptabilidad en el desarrollo de soluciones.

A medida que las empresas migran sus recursos a la nube, la seguridad se vuelve un aspecto crítico. Las evaluaciones de madurez en seguridad de la nube son esenciales para minimizar las vulnerabilidades. En esta memoria, en colaboración con NTT DATA Chile, se propone una plataforma innovadora para automatizar estas evaluaciones. Dicha plataforma no solo mejora la eficiencia de las evaluaciones, sino que también permite el almancenamiento y recuperación de datos de evaluaciones pasadas, facilitando la visualización del progreso histórico y la comparación de diferentes evaluaciones para entender la evolución de la seguridad en la nube de una empresa.

Frente al aumento de la ciberdelincuencia, y considerando los ataques dirigidos al sistema operativo, la mayoría de las empresas contratan servicios externos para monitorear los registros de eventos del sistema, también llamados logs. Estos servicios tienen un alto costo económico, además de requerir de recurso humano para su implementación. Por lo anterior, se hace necesario un algoritmo al alcance de todas las empresas, que además elimine el factor humano. En el presente informe se propone un algoritmo implementado con inteligencia artificial basado en la metodología Threat Detection para el monitoreo de registro de eventos del sistema operativo de manera automatizada. Obteniendo como resultado una aplicación open source capaz de predecir la presencia y categoría de eventos maliciosos con la opción de decargar un informe detallado de los resultados obtenidos. Adicionalmente, el software es validado por su funcionamiento y por métricas propias de la inteligencia artificial como la exactitud y precisión, obteniendo valores positivos. Finalmente, la propuesta de solución es comparada con herramientas disponibles en el mercado, tanto open source como de pago, con el propósito de conocer sus ventajas.

La presente memoria tiene como objetivo analizar los datos provenientes de la ejecución de diversos sintonizadores de parámetros, en la búsqueda de generar valor a partir de registros que generalmente son descartados durante la ejecución de los algoritmos. Para ello, se revisaron los conceptos generales del Business Intelligence y distintas herramientas asociadas a esta área, permitiendo generar un reporte en Power BI a partir de las configuraciones evaluadas por los sintonizadores ParamILS, I-Race y EVOCA en base a un algoritmo genético sobre el problema NK Landscape. De esta manera, se logró identificar que la probabilidad de cruzamiento no sigue un patrón definido y que las mejores soluciones se obtienen al aumentar el tamaño de la población, evitando probabilidades de mutación dentro de los valores 0.0 y 0.005.