Thesis Chapters by Adrian Columba
TRABAJO FINAL DE MASTER Area: MACHINE LEARNING, 2021
En el periodo de la democratizacion de la informacion y la masicacion de datos, donde
cada apara... more En el periodo de la democratizacion de la informacion y la masicacion de datos, donde
cada aparato electronico genera datos de varios tipos y estructuras, sean estos sobre nuestra posicion geografica, nuestros gustos, nuestra informacion personal, familiar, profesional, entre otros. La curiosidad humana ha llegado mas lejos de lo que hace unas decadas atras se hubiese imaginado, de manera similar el aumento y mejora constante de la potencia del hardware de procesamiento para esta masificacion de datos, nos ha llevado a utilizar algoritmos de manera mas eficiente a cuando estos algoritmos fueron desarrollados, llevandonos a procesar millones datos historicos para predecir el comportamiento futuro de algun sistema natural o articial, esto ha motivado la realizacion de este trabajo, el cual consiste en definitiva evitar colisiones o accidentes en los vehiculos, prediciendo los puntos geograficos donde ocurriran estas colisiones, con la ayuda de datos previos de ubicacion GPS, de los accidentes y las redes neuronales profundas DNN por sus siglas en ingles. El desarrollo de este trabajo tiene como base el estudio realizado en el paper \Predicting Traffic Accidents Through Heterogeneous UrbanData: A Case Study". (Zhuoning Yuan, 2017), muestra exploraciones de tecnicas efectivas para abordar los desafios de la prediccion de accidentes de trafico, y obtener mejores resultados de prediccion, lo formula como un problema de clasicacion binaria. Para cada segmento de la carretera en cada hora, predice si ocurrira o no un accidente, para ello compara varios algoritmos, demostrando que el modelo que mejor funciona es el DNN. Los autores del paper consideran muchas caracteristicas en su modelo, incluyen varios atributos de tiempo, clima, carretera y factores humanos, para este trabajo se consideran pocas caracterirsticas, se utiliza el DNN modelado en el paper original, ademas se utiliza el metodo geohashes para agrupar la geo ubicacion de los incidentes. Se utiliza la arquitectura de red completamente conectada con 3 capas ocultas, con las conguraciones predeterminadas sugeridas por los autores, utilizando dropout regularization para prevenir sobreajustes, y una salida binaria.
PROYECTO PREVIO A LA OBTENCIÓN DEL TÍTULO DE INGENIERO EN ELECTRÓNICA Y REDES DE INFORMACIÓN, 2017
This present project presents an information security analysis and information security managemen... more This present project presents an information security analysis and information security management system design for 3 process with their own sub-process from Aronem Air Cargo S.A. Company. For this it review the standards and methods more common and according to the company requirements mainly in availability, in addition integrity, confidentiality, accounting and traceability. The ISO/IEC 27001:2013 and ISO/IEC 27002:2013 standards was selected, and MAGERIT v3 management risk method and risk analysis FAIR’s Open Group, the process was analyzed, the risk analysis result and management of risk was presented, together with the statements of applicability, it finished whit the information security management system and the recommendations made to the company’s directors from the project’s author.
Papers by Adrian Columba
Uploads
Thesis Chapters by Adrian Columba
cada aparato electronico genera datos de varios tipos y estructuras, sean estos sobre nuestra posicion geografica, nuestros gustos, nuestra informacion personal, familiar, profesional, entre otros. La curiosidad humana ha llegado mas lejos de lo que hace unas decadas atras se hubiese imaginado, de manera similar el aumento y mejora constante de la potencia del hardware de procesamiento para esta masificacion de datos, nos ha llevado a utilizar algoritmos de manera mas eficiente a cuando estos algoritmos fueron desarrollados, llevandonos a procesar millones datos historicos para predecir el comportamiento futuro de algun sistema natural o articial, esto ha motivado la realizacion de este trabajo, el cual consiste en definitiva evitar colisiones o accidentes en los vehiculos, prediciendo los puntos geograficos donde ocurriran estas colisiones, con la ayuda de datos previos de ubicacion GPS, de los accidentes y las redes neuronales profundas DNN por sus siglas en ingles. El desarrollo de este trabajo tiene como base el estudio realizado en el paper \Predicting Traffic Accidents Through Heterogeneous UrbanData: A Case Study". (Zhuoning Yuan, 2017), muestra exploraciones de tecnicas efectivas para abordar los desafios de la prediccion de accidentes de trafico, y obtener mejores resultados de prediccion, lo formula como un problema de clasicacion binaria. Para cada segmento de la carretera en cada hora, predice si ocurrira o no un accidente, para ello compara varios algoritmos, demostrando que el modelo que mejor funciona es el DNN. Los autores del paper consideran muchas caracteristicas en su modelo, incluyen varios atributos de tiempo, clima, carretera y factores humanos, para este trabajo se consideran pocas caracterirsticas, se utiliza el DNN modelado en el paper original, ademas se utiliza el metodo geohashes para agrupar la geo ubicacion de los incidentes. Se utiliza la arquitectura de red completamente conectada con 3 capas ocultas, con las conguraciones predeterminadas sugeridas por los autores, utilizando dropout regularization para prevenir sobreajustes, y una salida binaria.
Papers by Adrian Columba
cada aparato electronico genera datos de varios tipos y estructuras, sean estos sobre nuestra posicion geografica, nuestros gustos, nuestra informacion personal, familiar, profesional, entre otros. La curiosidad humana ha llegado mas lejos de lo que hace unas decadas atras se hubiese imaginado, de manera similar el aumento y mejora constante de la potencia del hardware de procesamiento para esta masificacion de datos, nos ha llevado a utilizar algoritmos de manera mas eficiente a cuando estos algoritmos fueron desarrollados, llevandonos a procesar millones datos historicos para predecir el comportamiento futuro de algun sistema natural o articial, esto ha motivado la realizacion de este trabajo, el cual consiste en definitiva evitar colisiones o accidentes en los vehiculos, prediciendo los puntos geograficos donde ocurriran estas colisiones, con la ayuda de datos previos de ubicacion GPS, de los accidentes y las redes neuronales profundas DNN por sus siglas en ingles. El desarrollo de este trabajo tiene como base el estudio realizado en el paper \Predicting Traffic Accidents Through Heterogeneous UrbanData: A Case Study". (Zhuoning Yuan, 2017), muestra exploraciones de tecnicas efectivas para abordar los desafios de la prediccion de accidentes de trafico, y obtener mejores resultados de prediccion, lo formula como un problema de clasicacion binaria. Para cada segmento de la carretera en cada hora, predice si ocurrira o no un accidente, para ello compara varios algoritmos, demostrando que el modelo que mejor funciona es el DNN. Los autores del paper consideran muchas caracteristicas en su modelo, incluyen varios atributos de tiempo, clima, carretera y factores humanos, para este trabajo se consideran pocas caracterirsticas, se utiliza el DNN modelado en el paper original, ademas se utiliza el metodo geohashes para agrupar la geo ubicacion de los incidentes. Se utiliza la arquitectura de red completamente conectada con 3 capas ocultas, con las conguraciones predeterminadas sugeridas por los autores, utilizando dropout regularization para prevenir sobreajustes, y una salida binaria.