Diferencias

Muestra las diferencias entre dos versiones de la página.

--- temas_previos [2022/03/23 03:32] – gnavarro
+++ temas_previos [2022/04/01 23:38] (actual) – ahogan
@@ Línea 1: / Línea 1: @@
 ====== Temas Previos ======
+El semestre indica el semestre del 'F' (del trabajo de memoria en sí).
+===== Primavera 2022 ======
+      * **Objetivo**: //Autocompletando preguntas sobre Wikidata//
+        * **Profesor Guía**: [[ahogan@dcc.uchile.cl|Aidan Hogan]]
+        * **Descripción**: [[https://www.wikidata.org/wiki/Wikidata:Main_Page|Wikidata]] es una gran fuente de información que permite contestar muchos tipos de preguntas. Pero para hacer consultar complejas sobre Wikidata, hay que ser experto en SPARQL, algo que limita su alcance. El objetivo de este trabajo es desarrollar un sistema de "question answering" (QA) sobre Wikidata. La tarea QA asume una pregunta en lenguaje natural como por ejemplo "¿Cuándo fue estrenada la película Sharknado?", y debería dar una respuesta directa como "2013". La tarea general es compleja, pero este tema de memoria tiene que ver con desarrollar una versión más simple de QA basada en autocompletar preguntas sobre un catálogo existente de preguntas y consultas. Por ejemplo, al teclar "cuando fue", se generan sugerencias de preguntas que empiezan así, y si se selecciona "¿Cuándo fue estrenada la película [PELÍCULA]?", se permite también buscar una película para reemplazar "[PELÍCULA]" usando autocomplete. Basado en las selecciones del usuario, se genera una consulta SPARQL que se evalúa sobre el servicio de consulta de Wikidata, generando los resultados finales. [Todavía disponible: 2022-03-22]
+   * **Objetive**: //Perma-Simulation//: An HTML5 simulation of Andrew Millison's sandbox for teaching Permaculture online  {{ :populous.png?200|}}
+     * **Memorista:** Cristian Bustos
+     * **Client**: [[millisan@hort.oregonstate.edu|Andrew Millison]] https://horticulture.oregonstate.edu/users/andrew-millison
+     * **Guiding Profesor**: [[jeremy@barbay.cl|Jeremy Barbay]] https://barbay.cl
+     * **Code Available**: https://github.com/msakuta/WebPopulous [2014], running on http://msakuta.github.io/WebPopulous/populous.html
+     * **Description**: (//Memoria//) In his videos for the Permaculture course at Oregon State University (e.g. https://www.youtube.com/watch?v=V3tpaIf6Jcc), Andrew Millison uses a sandbox combined with a webcam and data projector to illustrate visually various interactions between water, land and cultures, showing the passing of years in a matter of minutes.  Currently, the next step for his students is to move to the real world and slow time, where mistakes are discovered years later.  Could current web technology, such as demonstrated in the remake of the Populous game http://msakuta.github.io/WebPopulous/populous.html allowing to raise and lower lands while independant agents react to the changing state of the terrain, be used to procure students a cheap (i.e. running into any modern browser) interactive (more than watching a video) experience in a virtual world where they can put in practice Andrew Millison's lessons in accelerated time?  We propose to develop a simplistic simulator video game in Javascript and HTML5 which can be parameterized to complement each video of Andrew Millison's course with a practical exercise where the student can put into practice the concepts described in the video, in their own virtual sandbox.  The success of the project will be evaluated in terms of usability and extendibility 1) by Andrew Millison himself on three exercises, based on three selected videos from his course, 2) by a set of volunteer students from his course on such exercises, and 3) by a web developper from Oregon State University charged to configure the simulator to create additional exercises for other videos of the course, if time allows.  The student must be comfortable having meetings and writing their report in English, as the project will be in collaboration with Andrew Millison. [Last Revision: [2022-03-28 Mon]]
+       * **Objetivo**: Generación de software web para visualización interactiva de mallas geométricas Lepp.
+          * **Profesor Guía**: María Cecilia Rivara (mcrivara@dcc.uchile.cl).
+          * **Memorista:** Benjamin Mellado Canihuante
+          * **Descripción**: (//**Memoria** o **Doble Titulación**//) Este trabajo consiste en generar una aplicación web de uso público para estudiantes e investigadores que busquen interactuar, entender y generar sus propias mallas de triangulaciones en dos dimensiones basadas en algoritmos Lepp. El software debe permitir la visualización de estructuras de mallas permitiendo recibir y modificar parámetros como su topología (vertices y aristas) y tambien escoger entre distintos algoritmos de refinamiento Lepp de Rivara y su ángulo de tolerancia. El trabajo involucra el uso de Python o C++ para el software de generación de mallas y un framework como React o Vue para la construcción de la app web.
+      * **Objetivo**: //El Atlas de Wikidata//
+        * **Profesor Guía**: [[ahogan@dcc.uchile.cl|Aidan Hogan]]
+        * **Descripción**: En [[https://www.wikidata.org/wiki/Wikidata:Main_Page|Wikidata]], se pueden buscar entidades por keyword, se pueden hacer consultas para encontrar entidades que satisfagan algunas condiciones, etc. Pero es difícil navegar Wikidata geográficamente, por ejemplo, para ver las entidades locales en una ciudad. El objetivo de este trabajo es desarrollar una interfaz que permite navegar [[https://www.wikidata.org/wiki/Wikidata:Main_Page|Wikidata]] mediante un mapa interactivo. En un primer modo, se puede seleccionar un tipo de entidad en Wikidata, como "faro", usando autocomplete. Para las instancias de ese tipo de entidad, se generará un mapa del mundo desplegando clusters de faros (registrados en Wikidata con geocoordenadas). Al hacer zoom, se pueden ver las ubicaciones de faros individuales, y sus datos detallados en Wikidata. En un segundo modo, se pueden ver todas las entidades en Wikidata en una región más pequeña, como por ejemplo, las entidades registradas por Wikidata en la ciudad de Santiago. El sistema permitiría explorar el dataset geográficamente, y puede ser usando también para entender sesgos regionales en términos de qué tan completo es Wikidata en diferentes partes del mundo.
 ===== Otoño 2022 ======
@@ Línea 96: / Línea 120: @@
     * **Objetivo**: Game Engine básico para fines pedagógicos
-        * **Profesor Guía**: Daniel Calderón (dcaldero@ug.uchile.cl)
+        * **Profesor Guía**: Daniel Calderón (daniel.calderon@dcc.uchile.cl)
         * **Descripción**: Si bien existen sofisticados motores de juego como Unreal Engine, Unity o Godot, existe una importante barrera de entrada al momento de entender funcionalmente cada componente de estas plataformas de software. En este trabajo de implementará un motor de juego básico que permita ilustrar de manera simple el funcionamiento interno de los subsistemas más importantes. Se debe incluir al menos: sistema de rendering 3D, sistema de detección de colisiones, sistema de animación, sistema de sonido, sistema de manejo de eventos, y acceso a funcionalidades básicas vía scripting. El entregable es un Game Engine básico en formato de API multiplataforma en C++20. Se debe implementar además uno o varios juegos/aplicaciones minimalistas que ejemplifiquen su uso.
-    * **Objetivo**: Sistema de Inteligencia Artificial para videojuegos
-        * **Profesor Guía**: Daniel Calderón (dcaldero@ug.uchile.cl)
-        * **Descripción**: El propósito es generar una API simple que permita resolver problemas de inteligencia artificial modelados como agentes solucionadores de problemas (Problem-solving agents). La API debe permitir el uso de algoritmos de búsqueda clásicos sobre objetos proporcionados por el usuario. El tiempo de ejecución es relevante pues se necesita respuesta en tiempo real. Problemas tipo que podrían ser resueltos con este sistema incluyen: juegos de tablero, resolución de laberintos, búsqueda del jugador en videojuegos de sigilo, personaje de soporte en videojuego de plataformas, contrincante en videojuego de peleas, contrincante o aliado en videojuego de estrategia en tiempo real, etc. Como entrega final, se debe general uno o varios juegos minimalistas que utilicen la API implementada para dotar de “inteligencia” algún ente del mismo.
 ===== Otoño 2020 =====