| 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 |
| 19-07-2024 |
Desarrollo de software para microscopía de seccionamiento óptico en tiempo real con patrones Hadamard
Estamos desarrollando una implementación de software para microscopía de seccionamiento óptico en tiempo real utilizando proyección de patrones Hadamard. Esta técnica mejora el contraste y la resolución de la imagen en tiempo real al iluminar selectivamente diferentes partes de la muestra con patrones de luz estructurados. El software se integrará en un microscopio existente en el laboratorio de óptica biomédica. El proyecto se centrará en la programación en C para generar y controlar los patrones Hadamard, adquirir imágenes y procesar los datos rápidamente para reconstruir secciones ópticas de alta calidad en tiempo real. Se requiere experiencia en programación en C, experiencia en procesamiento de imágenes y diseño óptico es bienvenida pero no necesaria.
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 |
| 05-12-2024 |
Mina y analiza errores de memoria en Python
¿Alguna vez te has encontrado con errores de memoria en Python y te has preguntado cómo solucionarlos? ¿Te gustaría descubrir cómo otros desarrolladores abordan estos problemas? Los errores de memoria son un desafío común en el desarrollo de software. En este proyecto, utilizarás minería de datos para recolectar información sobre errores de memoria y sus soluciones en proyectos Python. Clasificarás los errores, analizarás las soluciones y generarás un informe con patrones comunes y estrategias efectivas. Este proyecto combina programación, minería de datos y análisis de software, ideal para quienes disfrutan explorando grandes volúmenes de datos y resolviendo problemas reales de performance.
Keywords:
software mining
memory bugs
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 |
| 12-07-2023 |
Prerequisites:
IIC2233
Evaluation method: Nota 1-7, with 1/1 available vacants |
Mentor(s): Open in the plataform |
| 19-07-2024 |
Software development for real-time optical sectioning microscopy with Hadamard patterns
We are developing a software implementation for real-time optical sectioning microscopy using Hadamard pattern projection. This technique enhances image contrast and resolution in real time by selectively illuminating different parts of the sample with structured light patterns. The software will be integrated into an existing microscope in the biomedical optics lab. The project will focus on programming in C to generate and control the Hadamard patterns, acquire images, and rapidly process the data to reconstruct high-quality optical sections in real time. Experience in C programming is required. Experience in image processing and optical design is welcome but not required.
Prerequisites:
IIC2233
Evaluation method: Nota 1-7, with 1/1 available vacants |
Mentor(s): Open in the plataform |
| 05-12-2024 |
Automated Unit Test Generation with Large Language Models
The main goal of this project is to evaluate the effectiveness, capabilities, and limitations of Large Language Models (LLMs) in the task of automated unit test generation. In this research, you will be able to explore the use of different LLMs as also with various prompting strategies to automatically generate unit tests, and measure their effectiveness by using metrics (e.g. code coverage).
Prerequisites:
IIC2233
Evaluation method: Nota 1-7, with 0/1 available vacants |
Mentor(s): Open in the plataform |
| 05-12-2024 |
Keywords:
software mining
memory bugs
Prerequisites:
IIC2233
Evaluation method: Nota 1-7, with 1/1 available vacants |
Mentor(s): Open in the plataform |
| 05-12-2024 |
Keywords:
education
source code analysis
Prerequisites:
IIC2233
Evaluation method: Nota 1-7, with 0/1 available vacants |
Mentor(s): Open in the plataform |
| 05-12-2024 |
Automated Security Code Reviews: Assessing the State of the Art
The goal of the project is to evaluate models for automating code reviews. The research is structured into three main stages. First, a manual review of a set of code reviews will be conducted to identify those related to security patches and create a labeled dataset. Next, Large Language Models (LLMs) will be used to generate and evaluate reviews and corrections based on the labeled data. Finally, a comprehensive comparison will be conducted between the labeled and generated data to measure the performance of current models against LLMs.
Prerequisites:
IIC2233
Evaluation method: Nota 1-7, with 0/1 available vacants |
Mentor(s): Open in the plataform |
| 23-01-2025 |
Keywords:
Prerequisites:
IIC2233
Evaluation method: Nota 1-7, with 0/1 available vacants |
Mentor(s): Open in the plataform |