Defensa de Tesis: Detección de vehículos fraudulentos mediante aprendizaje profundo no supervisado
Published:
Hoy se llevó a cabo la Presentación de Trabajo de Título titulada "Detección de Modelos de Vehículos Fraudulentos en Autopistas Mediante Aprendizaje Profundo No Supervisado", memoria para optar al título de Ingeniero Civil Eléctrico.
En esta instancia participé como profesor guía del estudiante Diego Vega Acuña, en un trabajo enfocado en la aplicación de técnicas de aprendizaje profundo no supervisado para la detección de patrones anómalos en sistemas de monitoreo vehicular en autopistas.
La comisión evaluadora estuvo conformada por el profesor Andrés Caba, quien participó como co-guía y presidente de la comisión, y el profesor Patricio Valenzuela como profesor invitado.
Figura 1: Defensa de Tesis Diego Vega.
El trabajo investiga la capacidad de embeddings generados mediante redes neuronales profundas, optimizados vía aprendizaje por transferencia y metric learning, para estructurar espacios latentes discriminativos, permitiendo la identificación no supervisada de modelos de vehículos mediante clustering, incluso en escenarios con clases no observadas durante el entrenamiento.
Ha sido un proceso muy enriquecedor acompañar a Diego en el desarrollo de su memoria de título, destacando su compromiso, rigurosidad y capacidad de enfrentar problemas complejos con herramientas de vanguardia.
Felicitamos sinceramente a Diego por este importante logro y le deseamos mucho éxito en sus próximos desafíos profesionales.