Talleres - Tutoriales

Inteligencia Artificial para el procesamiento y clasificación de imágenes en Python

• Introducir los conceptos de procesamiento de imágenes y métodos analíticos básicos que pueden ser utilizados en imágenes.
• Demostración de la utilización de Redes Neuronales Convolucionales (CNN) en clasificación de imágenes. El algoritmo se desarrollará en Python utilizando plataformas y librerías de programación relevantes en el ámbito de inteligencia artificial tales como Tensorflow, Keras y OpenCV.
• Introducción y demostración de métodos de aumento de datos como método para incrementar la precisión en la clasificación.
• Demostración de la utilización de transferencia de aprendizaje en clasificación de imágenes para bases de datos limitadas. El algoritmo se desarrollará utilizando herramientas de aprendizaje profundo (Deep Learning).

Web Application Hacking

El uso de herramientas para explotar vulnerabilidades existentes en sitios web facilita la comprensión de las mismas. Es así que, el contenido del taller propuesto permitirá que los participantes comprendan de manera implícita la importancia de aplicar buenas prácticas de programación al desarrollar aplicaciones web. Contar con sitios web seguros trae beneficios tanto para el propietario de la aplicación, como para los usuarios del mismo.

De esta manera, el taller de Web Application Hacking permitirá a los asistentes conocer e identificar vulnerabilidades que existen en sistemas web, aplicando herramientas para explotar dichas vulnerabilidades.

Realidad aumentada para el estudio de la Estática

Se pretende compartir la aplicación de la realidad aumentada en el aprendizaje del equilibrio de los cuerpos rígidos. El problema existente es que los ejercicios de las bibliografías básicas presentan los sistemas 3D en la hoja del libro que en la realidad está solo en 2D de tal manera que los alumnos que tienen dificultad de ubicación espacial no pueden comprender el sistema graficado. Si estos gráficos los llevamos a realidad aumentada entonces su busca motivar al estudiante a involucrarse en la tendencia educativa de la realidad aumentada y a la vez mejora su aprendizaje de forma visual al poder observar el modelo en 3D en realidad aumentada.

Soportando la investigación abierta con MiLAB

La repetibilidad y la reproducibilidad de los resultados científicos en la ciencia centrada en datos ha sido detectado como un un problema creciente. Las publicaciones académicas están llamadas a transformarse, exigiendo acceso a los datos y aplicaciones computacionales que soportan los resultados. Este taller dará un recorrido por las herramientas y especialmente, las metodologías sobre las cuales se soporta esta nueva generación de publicaciones académicas.

Se busca reflexionar sobre los lugares de contacto, en términos de metodologías y herramientas, para la comunidad investigativa. Se toma la ciencia abierta como eje articulador y la crisis de reproducibilidad en la ciencia como problema a evitar.

Análisis de texto en Python

• Entornos online para iniciar en la ciencia de datos
• Fuentes de datos
• Importación de datos
• Limpieza de datos
• Automatización de procesos
• Visualización de resultados
• Modelos NLP
• Creación de manuales técnicos

Colección y análisis de datos con un sistema de mapeo móvil multidimensional basado en herramientas de costo opensource software y hardware

Se recorrerán los pasos para el diseño de un sistema de mapeo móvil usando single board computers (SBC) y sensores como: cámaras 3D de profundidad o LIDAR, GPS, IMUs y sensores ambientales. El diseño de este sistema tiene como objetivo el adquirir datos georeferenciados desde los distintos sensores instalados en el prototipo y portados en un vehículo. La información colectada posteriormente se transforma en modelos de aprendizaje automatizado para explorar sus potenciales aplicaciones cartográficas. Por ello, el tutorial se divide en dos secciones, la primera que describe el desarrollo del prototipo, la calibración de sus sensores, y su instalación en un vehículo; y la segunda que describe diferentes rutinas de aprendizaje automatizado para procesar la información colectada y derivar potenciales productos cartográficos. Las pruebas que se realizarán, son sobre dos utilidades: al emular el uso de un sensor para recolección de datos con un protocolo serial, y hacer un análisis de datos sobre los datos recolectados en el prototipo desarrollado.

Informática Forense en 3 Capture The Flags o menos

El tutorial estará enfocado en tres fases para aprender la utilización de herramientas de extracción de información y forense:

• CTF I: Se presenta una imagen con información oculta anidada una dentro de otra, se aprenderá el uso de Hex Editor para determinar la existencia de información oculta, Cyberchef para extraer las cadenas de texto existentes, Binwalk para extracción de archivos y de igual manera herramientas de decodificación ya que la flag vendrá codificada en base 64.
• CTF II: Se tiene como objetivo determinar información que haya pasado por un canal de comunicaciones, para ello se otorga un archivo .pcap, el cual será leído a través de la herramienta wireshark en donde se aprenderá un poco de su manejo básico, cómo funcionan los protocolos de red y extracción de información importante.
• CTF III: Se entrega el dump de una memoria ram, dentro de la cual existe una flag a ser investigada, se usa la herramienta volatility para ello y con cierta información se usa GIMP para verificar la existencia de imágenes (de ser el caso) dentro de simples bytes de datos.

Con esto se pretende repasar cómo obtener información de distintos medios y la utilización de herramientas usadas para el análisis forense.

¿Las ciudades actuales pueden ser Smart Cities?

Conoce los sistemas basados en la tecnología para favorecer el desarrollo económico, la sostenibilidad, el bienestar y la seguridad.

Industria 4.0 - Oportunidades y desafíos para el desarrollo productivo

Gracias a la Industria 4.0 la productividad probablemente crecerá a pasos agigantados. Por eso, hay motivos suficientes para comenzar a prepararse ahora para el trabajo del futuro.