Browsing by Autor "Sandoval Alcocer, Juan Pablo"

Now showing 1 - 4 of 4

Blockly Voice: un entorno de programación guiado por voz
(RevActaNova., 2019) Delgado Silva, César Iván; Sandoval Alcocer, Juan Pablo; Arteaga Sabja, Wendoline
Hoy en día, resolver problemas utilizando el computador se ha convertido en una actividad importante. La programación es útil no solo en actividades relacionadas a la ingeniería sino también en el desarrollo de habilidades como la resolución de problemas o el pensamiento crítico. Desafortunadamente, las personas con discapacidad en los miembros superiores tienen diferentes dificultades para aprender a programar. Principalmente porque las herramientas para enseñar programación requieren interactuar con el teclado y el ratón. Este artículo presenta "Blockly Voice" un entorno de programación guiado por voz para ayudar a las personas a implementar pequeños programas dictando las instrucciones a la computadora mediante un micrófono. Se ejecutó un estudio exploratorio y cualitativo con diez estudiantes de secundaria, uno con discapacidad en los miembros superiores, en el que tuvieron que resolver pequeños ejercicios de programación. Como resultado, los participantes encontraron la herramienta práctica y beneficiosa para implementar programas.
Estudio comparativo de los algoritmos de criptografía simétrica AES, 3DES y ChaCha20
(RevActaNova., 2022) Centellas Claros, Leonardo Sergio; Blanco Coca, Leticia; Sandoval Alcocer, Juan Pablo
Resumen: El constante avance de la tecnología incrementa cada vez más la dependencia del internet y el envío de información a través de la misma, aumenta también la necesidad de seguridad en la red y los dispositivos conectados a ella. Para mantener la seguridad de toda esta información se crearon los algoritmos de encriptación, los cuales están encargados de cifrar los datos de modo que sólo quienes estén autorizados puedan entenderlos. Las crecientes amenazas de seguridad han forzado la creación continua de distintos algoritmos de encriptación, recientemente se introdujo el algoritmo ChaCha20 que trata de sustituir a su predecesor el Salsa20, el cual era considerablemente rápido y bastante confiable respecto a su seguridad. El ChaCha20 promete aumentar la difusión respecto a su predecesor para mejorar su seguridad sin comprometer su rendimiento. Sin embargo, poco se sabe de su eficiencia en comparación a los otros algoritmos, lo cual limita una decisión racional al momento de elegir si utilizarlo o no. Este artículo presenta un estudio empírico en el cual comparamos el rendimiento de ChaCha20 con otros dos algoritmos de encriptación AES, y 3DES. En este artículo evaluamos el tiempo de ejecución, consumo de CPU y consumo de energía que toma cada uno de los algoritmos para encriptar y des-encriptar información. Se desarrolló un experimento con 150 archivos de distintos formatos y tamaños para probar cada algoritmo. Se determinó que el algoritmo ChaCha20 es el más rápido, AES es el que menos CPU consume y no existe diferencia significativa en el consumo de energía de ninguno de los algoritmos.
Mejorando la búsqueda de información de contacto en Facebook analizando emociones
(RevActaNova., 2019) Illanes Peredo, Daniel Alejandro; Arteaga Sabja, Wendoline; Sandoval Alcocer, Juan Pablo
Existen grupos de Facebook destinados a la solicitud de información de contacto, en los cuales un usuario consulta por algún producto o servicio y otros usuarios aportan con su conocimiento sobre estos en los comentarios. Si bien los grupos actuales contienen mucha información, la gran cantidad de publicaciones y la redundancia en las mismas hace que el usuario invierta mucho tiempo en encontrar la información que necesita. Para ayudar a encontrar datos en los grupos, Facebook provee filtros además de un buscador, los cuales permiten obtener cierto tipo de información, sin embargo, estas opciones son limitadas e insuficientes para quienes requieren encontrar información específica sin invertir mucho tiempo. En este artículo se propone el uso de análisis de emociones y aprendizaje automático para mejorar la búsqueda de información de contacto de las publicaciones en Facebook. Se desarrolló un prototipo clasificador, en base a redes bayesianas ingenuas, que permite buscar y categorizar la información de tal forma que los usuarios encuentren lo que necesitan rápidamente. Se realizaron pruebas con 15 usuarios, a quienes se les pidió buscar información de contacto usando el prototipo desarrollado para luego contrastarlo con el buscador que provee Facebook, los resultados mostraron que la mayoría de los usuarios que utilizaron el buscador de Facebook encuentran información pertinente en la 6ta y 7ma posición de la lista de resultados, mientras que utilizando el prototipo desarrollado el usuario encuentra la información deseada en la lera o 2da posición de la lista.
Una técnica de muestreo para categorizar videos
(RevActaNova., 2018) Guardia Vaca, Denis Leandro; Sandoval Alcocer, Juan Pablo
Categorizar grandes cantidades de videos de manera automática tiene muchas aplicaciones; como por ejemplo: el monitoreo de sistemas de seguridad o la búsqueda de videos. Una de las técnicas usadas para realizar esta actividad es el aprendizaje automático, a pesar de la gran precisión del aprendizaje automático en esta tarea, el tiempo que requiere entrenar los modelos de clasificación es considerablemente grande. Este artículo describe una técnica de muestreo para reducir el tiempo que toma el entrenamiento de un clasificador de videos con el objetivo de mantener la precisión en la clasificación. La técnica consiste en utilizar aprendizaje automático para analizar solo una muestra del video y no así el video completo. Para entender el efecto del muestreo en el aprendizaje, se analizó un conjunto de videos de YouTube-8M, un conjunto de datos para clasificación de videos con más de siete millones de videos, utilizamos dos algoritmos de aprendizaje automático: regresión logística y red neuronal recurrente. Nuestros resultados muestran que, dependiendo del tamaño de la muestra, el tiempo de entrenamiento puede ser reducido considerablemente afectando levemente a la precisión.