Transferencia y colaboraciones

<h3>Con el objetivo de trascender el ámbito académico y trabajar en conexión directa con el ámbito público y productivo del país, el Data Science Lab realiza diversos proyectos de investigación aplicada. Conocé nuestros proyectos más recientes.&nbsp;</h3>
&nbsp;
<h3>Economía y Sociedad</h3>
Abrazar: Detección temprana de la violencia física contra la infancia a nivel de hogar en la Argentina a través de la aplicación de modelos predictivos.&nbsp;
Estudio Observacional del Comportamiento de los Usuarios de la Vía. Desarrollo de un método eficiente de muestreo que permite representatividad nacional y regional para determinar la presencia de factores de distracción y la tasa de uso de elementos de seguridad vial (cinturón, casco, SRI, luces diurnas) de conductores y ocupantes de vehículos de 2 o más ruedas.&nbsp;
Subastas online: ¿Cómo vender productos de costo marginal cero con stock infinito? Desarrollamos un modelo matemático aplicable a ventas reales, que tiene una característica distintiva, la comunidad de interesados en el producto es quien fija el precio mediante un mecanismo competitivo del tipo subasta. Los experimentos comportamentales realizados muestran que el modelo genera mayores ganancias que los métodos tradicionales como ser a precio fijo.
NILUS: Desarrollo de metodología de estadística espacial para identificar food deserts.
ADIM: Proyecto de medición de rating alternativa. Colaboración en el desarrollo de metodología y en el posterior análisis de datos longitudinales y demográficos para estudiar el comportamiento de los televidentes ante el nuevo paradigma de las múltiples pantallas en el hogar con el objetivo de determinar la presencia, atención y uso del celular de los televidentes en momentos que se transmiten contenidos versus aquellos donde hay tanda.
Smartwatch: Desarrollo de algoritmos, a partir de datos del acelerómetro del smartwatch, para medir la posición de la mano durante el proceso de reanimación cardiopulmonar.&nbsp;
&nbsp;
<h3>Ciencias Naturales | Biología. Geología. Neurociencias.</h3>
Microair Polar. Desarrollo de metodologías para interpretar y clasificar trayectorias de vientos mediante técnicas de clustering, datos funcionales y profundidades.
Análisis de huellas y locomoción de guanacos como modelo análogo de ungulados nativos extintos.&nbsp; Construcción de métricas de locomoción entre distintos pasos y métodos para la comparación con el registro fósil.&nbsp;
Microair Polar 2. Desarrollo de un nuevo procedimiento de aprendizaje automático que permite caracterizar las curvas centrales y atípicas en un haz de trayectorias.&nbsp; Se propone un algoritmo eficiente para trabajar con grandes conjuntos de datos. Aplicamos esta nueva técnica para encontrar las principales rutas seguidas por las masas de aire que transportan microorganismos a la Península Byers (Isla Livingston, Antártida).
Neuromat. Agrupamientos según distribuciones para datos de Electroencefalogramas. Desarrollo de herramientas estadísticas de aprendizaje para identificar los modelos utilizados por el cerebro para realizar las tareas de compresión. El objetivo fue proponer un procedimiento de aprendizaje no supervisado basado en la idea de agrupar datos por la ley probabilística que los generó.
Estrategias de agrupamiento de muestras: ¿Cómo utilizar pocos reactivos y diagnosticar a una población muy grande? Las estrategias de agrupamiento de muestras implican juntar las muestras de muchos individuos en un solo reactivo. Teniendo en cuenta la sensibilidad de la tecnología PCR y la concentración de carga viral de los infectados hemos podido dar estrategias de agrupamiento que minimizan el número de test a realizar.

Buscador UdeSA

Transferencia y colaboraciones