Dr. Diego Milone
Laboratory for signals and computational intelligence,
Universidad Nacional del Litoral, Santa Fe, Argentina
Abstract
Los modelos ocultos de Markov han dado respuesta a diversos problemas en una amplia
gama de aplicaciones. Como grandes áreas de aplicación se pueden mencionar la visión
por computadora, el reconocimiento del habla y, más recientemente, la bioinformática.
En esta presentación brindaremos una introducción conceptual e intuitiva a los modelos
ocultos de Markov discretos, para luego revisar los fundamentos teóricos del
entrenamiento en el caso más general de los modelos continuos. Con esta base se
presentarán diversas alternativas en cuanto a la arquitectura del modelo y algunos
avances recientes en la formulación de los algoritmos de entrenamiento. Para completar
la presentación se describirá con mayor detalle cómo estos modelos pueden
ser adaptados a diferentes aplicaciones de interés práctico, mostrando su versatilidad y
los resultados que pueden obtenerse en cada caso.
Dr. Hector Geffner
ICREA & Universitat Pompeu Fabra
Barcelona, SPAIN
Abstract
A significant change has occurred in AI research in the last twenty years, as researchers
have moved from the early AI paradigm of writing programs for ill-defined problems
to writing solvers for well-defined mathematical models such as Constraint Satisfaction
Problems, Strips Planning, SAT, Bayesian Networks and Partially Observable Markov
Decision Processes. Solvers are programs that take a compact description of a
particular model instance (a planning problem, a CSP instance, and so on) and
automatically compute its solution. Unlike the early AI programs, solvers are general as
they must deal with any problem that fits the model. This presents a crisp
computationally challenge: how to make these solvers scale up to large and interesting
problems given that all these models are intractable in the worst case. Work in these
areas has uncovered techniques that accomplish this by automatically recognizing and
exploiting the structure of the problem at hand, My goal in this talk is to articulate this
research agenda, to go over some of ideas that underlie these techniques, and to show
the relevance of these models and techniques to those interested in models of general
intelligence and human cognition.
Dra. Rosanna Costaguta
Universidad Católica de Santiago del Estero,
Santiago del Estero, Argentina
Abstract
El uso de medios computacionales en el dominio del Aprendizaje Colaborativo ha
permitido definir nuevos escenarios de enseñanza-aprendizaje, originando los conocidos
sistemas de Aprendizaje Colaborativo Soportado por Computadoras. Estos sistemas
ofrecen versiones electrónicas de muchas actividades y recursos presentes en las aulas
de enseñanza tradicional (presencial). Así, es posible disponer de espacios para trabajo
compartido, lecturas y presentaciones on-line, resultados de evaluaciones y
calificaciones, listados de bibliografía, repositorios de ejercicios y materiales, etc.
Contando también con herramientas de comunicación síncrona y/o asíncrona como chat,
foro y e-mail, todo lo cual da soporte tanto a la comunicación como a la colaboración
entre los estudiantes. Por las facilidades expuestas, y porque a través del soporte
computacional logra independizar a los estudiantes de las variables tiempo y espacio
(estudiantes ubicados en puntos geográficos distantes, e incluso, contribuyendo en
momentos diferentes en el tiempo, pueden trabajar colaborativamente), el Aprendizaje
Colaborativo Soportado por Computadoras rápidamente fue adoptado en el ámbito de la
educación a distancia. Sin embargo, estas facilidades no son suficientes para asegurar
una efectiva apropiación de conocimientos. Desde hace unos pocos años muchas de
estas aplicaciones han comenzado a incluir agentes que les permiten enriquecer sus
funcionalidades tradicionales, generalmente, incorporando la capacidad de adaptarse a
las características de cada uno de los estudiantes que las usan. En la charla se
presentarán algunas aplicaciones, en el ámbito del Aprendizaje Colaborativo Soportado
por Computadora, que cuentan con agentes en sus arquitecturas.