Modelos de aprendizaje automático para el procesamiento y análisis de datos astronómicos

El objetivo general de mi plan es el desarrollo y la aplicación de modelos de Aprendizaje Automático capaces de procesar, detectar y clasificar diversos tipos de datos astronómicos. Por un lado, se trabajará con datos espectroscópicos adquiridos durante el siglo pasado. Estos datos actualmente se en...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Ponte Ahón, Santiago Andres
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2024
Materias:
Cs de la Computación
aprendizaje automático
placas espectrocopicas
aprendizaje profundo
datos astronómicos
machine learning
spectrocopic plates
deep learning
astronomical data
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/173170
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-173170
record_format dspace
spelling I19-R120-10915-1731702024-11-17T04:01:59Z http://sedici.unlp.edu.ar/handle/10915/173170 Modelos de aprendizaje automático para el procesamiento y análisis de datos astronómicos Machine Learning Models for Astronomical Data Processing and Analysis Ponte Ahón, Santiago Andres 2024-11-20 2024 2024-11-15T21:23:24Z es Cs de la Computación aprendizaje automático placas espectrocopicas aprendizaje profundo datos astronómicos machine learning spectrocopic plates deep learning astronomical data El objetivo general de mi plan es el desarrollo y la aplicación de modelos de Aprendizaje Automático capaces de procesar, detectar y clasificar diversos tipos de datos astronómicos. Por un lado, se trabajará con datos espectroscópicos adquiridos durante el siglo pasado. Estos datos actualmente se encuentran almacenados en placas de vidrio en la Facultad de Ciencias Astronómicas y Geofísicas (UNLP). Este material comenzó a ser digitalizado a partir de 2019 a través del proyecto "Recuperación del Trabajo Observacional Histórico" (ReTrOH). Los objetivos particulares de esta linea de investigación son los siguientes:- Estudiar y analizar métodos y pipelines existentes para el procesamiento de datos astronómicos de legado tales como las placas espectrográficas antiguas.- Desarrollar una solución totalmente automatizada para resolver el problema de calibración en longitud de onda que actualmente se resuelve mediante un proceso manual, largo y especializado.- Desarrollar métodos que resuelvan la totalidad del procesamiento de forma automática y que permitan la resolución eficaz de cantidades masivas de estos datos.Por otra parte, se plantea como objetivo de esta Tesis el desarrollo y aplicación de modelos basados en Aprendizaje Automatico (AA) para analizar, clasificar y procesar automáticamente objetos astronómicos.Los objetivos particulares son los siguientes:- Estudiar y analizar métodos existentes para identificar y clasificar objetos astronómicos en base a datos espectroscópicos y fotométricos, haciendo foco en la detección de Estrellas masivas jovenes, como las Be.- Desarrollar algoritmos de extracción de características que permitan identificar la información de las bases de datos disponibles para poder generalizar adecuadamente los modelos.- Desarrollar modelos basados en Redes Neuronales Artificiales para abordar el problema del desbalance de clases en bases de datos astronómicas. Carrera: Doctorado en Ciencias Informáticas Lugar de trabajo: Instituto de Investigación en Informática (III-LIDI) Organismo: UNLP Año de inicio de beca: 2023 Año de finalización de beca: 2028 Apellido, Nombre del Director/a/e: Ronchetti, Franco Apellido, Nombre del Codirector/a/e: Aidelman, Yael Lugar de desarrollo: Instituto de Investigación en Informática (III-LIDI) Áreas de conocimiento: Cs de la Computación Tipo de investigación: Aplicada Facultad de Informática Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Cs de la Computación
aprendizaje automático
placas espectrocopicas
aprendizaje profundo
datos astronómicos
machine learning
spectrocopic plates
deep learning
astronomical data
spellingShingle Cs de la Computación
aprendizaje automático
placas espectrocopicas
aprendizaje profundo
datos astronómicos
machine learning
spectrocopic plates
deep learning
astronomical data
Ponte Ahón, Santiago Andres
Modelos de aprendizaje automático para el procesamiento y análisis de datos astronómicos
topic_facet Cs de la Computación
aprendizaje automático
placas espectrocopicas
aprendizaje profundo
datos astronómicos
machine learning
spectrocopic plates
deep learning
astronomical data
description El objetivo general de mi plan es el desarrollo y la aplicación de modelos de Aprendizaje Automático capaces de procesar, detectar y clasificar diversos tipos de datos astronómicos. Por un lado, se trabajará con datos espectroscópicos adquiridos durante el siglo pasado. Estos datos actualmente se encuentran almacenados en placas de vidrio en la Facultad de Ciencias Astronómicas y Geofísicas (UNLP). Este material comenzó a ser digitalizado a partir de 2019 a través del proyecto "Recuperación del Trabajo Observacional Histórico" (ReTrOH). Los objetivos particulares de esta linea de investigación son los siguientes:- Estudiar y analizar métodos y pipelines existentes para el procesamiento de datos astronómicos de legado tales como las placas espectrográficas antiguas.- Desarrollar una solución totalmente automatizada para resolver el problema de calibración en longitud de onda que actualmente se resuelve mediante un proceso manual, largo y especializado.- Desarrollar métodos que resuelvan la totalidad del procesamiento de forma automática y que permitan la resolución eficaz de cantidades masivas de estos datos.Por otra parte, se plantea como objetivo de esta Tesis el desarrollo y aplicación de modelos basados en Aprendizaje Automatico (AA) para analizar, clasificar y procesar automáticamente objetos astronómicos.Los objetivos particulares son los siguientes:- Estudiar y analizar métodos existentes para identificar y clasificar objetos astronómicos en base a datos espectroscópicos y fotométricos, haciendo foco en la detección de Estrellas masivas jovenes, como las Be.- Desarrollar algoritmos de extracción de características que permitan identificar la información de las bases de datos disponibles para poder generalizar adecuadamente los modelos.- Desarrollar modelos basados en Redes Neuronales Artificiales para abordar el problema del desbalance de clases en bases de datos astronómicas.
format Objeto de conferencia
Objeto de conferencia
author Ponte Ahón, Santiago Andres
author_facet Ponte Ahón, Santiago Andres
author_sort Ponte Ahón, Santiago Andres
title Modelos de aprendizaje automático para el procesamiento y análisis de datos astronómicos
title_short Modelos de aprendizaje automático para el procesamiento y análisis de datos astronómicos
title_full Modelos de aprendizaje automático para el procesamiento y análisis de datos astronómicos
title_fullStr Modelos de aprendizaje automático para el procesamiento y análisis de datos astronómicos
title_full_unstemmed Modelos de aprendizaje automático para el procesamiento y análisis de datos astronómicos
title_sort modelos de aprendizaje automático para el procesamiento y análisis de datos astronómicos
publishDate 2024
url http://sedici.unlp.edu.ar/handle/10915/173170
work_keys_str_mv AT ponteahonsantiagoandres modelosdeaprendizajeautomaticoparaelprocesamientoyanalisisdedatosastronomicos
AT ponteahonsantiagoandres machinelearningmodelsforastronomicaldataprocessingandanalysis
_version_ 1827812764997910528

Ejemplares similares