| 02-01-2024 |
Desarrollo de redes neuronales artificiales para procesamiento de datos astronómicos (v2)
Esta IPRE tiene como objetivo desarrollar redes neuronales artificiales (ANNs) para el análisis de un vasto conjunto de datos obtenidos durante varios años por el Atacama Cosmology Telescope, un telescopio cosmológico dedicado a observar el cielo en longitudes de ondas milimétricas para estudiar la radiación de fondo cósmico (CMB). Dicha radiación corresponde a la señal remanente del Big Bang, y sobre ella se superponen las señales de múltiples tipos de objetos astronómicos (cúmulos, galaxias, planetas, etc.), lo cual plantea desafíos para la generación de mapas del CMB, pero además abre la oportunidad a interesantes descubrimientos científicos. Los estudiantes investigarán y aplicarán distintos métodos de minería de datos y ANNs para optimizar el pre-procesamiento de datos del ACT, mejorar el proceso de construcción de mapas del CMB, y detectar otras señales de interés astronómico. Se requieren conocimientos previos de machine learning (IIC2433 o equivalente), pero no de astrofísica.
Keywords:
Prerequisitos:
no tiene.
Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 1/1 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 30-11-2023 |
Desarrollo de redes neuronales artificiales para procesamiento de datos astronómicos.
Esta IPRE tiene como objetivo desarrollar redes neuronales artificiales (ANNs) para el análisis de un vasto conjunto de datos obtenidos durante varios años por el Atacama Cosmology Telescope, un telescopio cosmológico dedicado a observar el cielo en longitudes de ondas milimétricas para estudiar la radiación de fondo cósmico (CMB). Dicha radiación corresponde a la señal remanente del Big Bang, y sobre ella se superponen las señales de múltiples tipos de objetos astronómicos (cúmulos, galaxias, planetas, etc.), lo cual plantea desafíos para la generación de mapas del CMB, pero además abre la oportunidad a interesantes descubrimientos científicos. Los estudiantes investigarán y aplicarán distintos métodos de minería de datos y ANNs para optimizar el pre-procesamiento de datos del ACT, mejorar el proceso de construcción de mapas del CMB, y detectar otras señales de interés astronómico. Se requieren conocimientos previos de machine learning (IIC2433), pero no de astrofísica.
Prerequisitos:
IIC2433
Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 1/1 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 12-07-2023 |
Algoritmos de reconocimiento y clasificación automática de registros de evacuación por tsunami
El objetivo de esta investigación es aplicar algoritmos de reconocimiento y clasificación automática de imágenes para analizar videos capturados por cámaras de vigilancia durante la evacuación costera decretada en la ciudad de Cartagena, Chile, el 15 de enero de 2022, a raíz de la amenaza de un tsunami producido por una erupción volcánica en el archipiélago de Tonga. El análisis busca identificar y evaluar los comportamientos de evacuación de las personas, de forma tal de mejorar las políticas de prevención del riesgo y manejo de emergencias en nuestro país. Es necesario que los estudiantes tengan conocimientos previos de aprendizaje de máquina, e idealmente algoritmos de aprendizaje profundo para análisis de imágenes y/o videos.
Prerequisitos:
IIC2233
Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 1/1 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 02-01-2024 |
Keywords:
Prerequisites:
None.
Evaluation method: Nota 1-7, with 1/1 available vacants |
Mentor(s): Open in the plataform |
| 30-11-2023 |
Prerequisites:
IIC2433
Evaluation method: Nota 1-7, with 1/1 available vacants |
Mentor(s): Open in the plataform |
| 12-07-2023 |
Prerequisites:
IIC2233
Evaluation method: Nota 1-7, with 1/1 available vacants |
Mentor(s): Open in the plataform |