Métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial en cómputo paralelo y distribuido

Autores
Balladini, Javier; Morán, Marina; Zanellato, Claudio; Rozas, Claudia; Cañibano, Rodrigo; Orlandi, Cristina; De Giusti, Armando Eduardo; Suppi, Remo; Rexachs del Rosario, Dolores; Luque Fadón, Emilio; Frati, Fernando Emmanuel
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Los grandes avances tecnológicos de los sistemas de cómputo paralelo y distribuido hacen viable nuevas soluciones a problemas. Por un lado, nos enfocamos en métricas de rendimiento. En particular, nos abocamos a métricas energéticas que cobraron enorme relevancia debido al gran número de unidades de procesamiento que componen los sistemas de cómputo. Por otro lado, buscamos aplicar técnicas de cómputo paralelo y distribuido para brindar soluciones en el sector salud. En especial, nos orientamos a sistemas de alertas tempranas de gravedad, basadas en inteligencia artificial. Una aplicación está destinada a Unidades de Cuidados Intensivos, que debe tratar con datos masivos, y otra aplicación tiene como fin la clasificación del nivel de gravedad de pacientes con COVID-19, que presenta una arquitectura distribuida, tolerante a fallos y de simple administración. Los trabajos se desarrollan en colaboración con otras universidades, y un hospital público de Argentina. La formación de recursos humanos en estas líneas está orientada al nivel de tecnicatura, grado, maestría y doctoral.
Red de Universidades con Carreras en Informática
Instituto de Investigación en Informática
Materia
Ciencias Informáticas
Computación de altas prestaciones
Eficiencia energética
Big data
Salud
Inteligencia artificial
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/144914
Acceder
id SEDICI_381b58234f00951bf7ee496cc6caf3cb
oai_identifier_str oai:sedici.unlp.edu.ar:10915/144914
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial en cómputo paralelo y distribuidoBalladini, JavierMorán, MarinaZanellato, ClaudioRozas, ClaudiaCañibano, RodrigoOrlandi, CristinaDe Giusti, Armando EduardoSuppi, RemoRexachs del Rosario, DoloresLuque Fadón, EmilioFrati, Fernando EmmanuelCiencias InformáticasComputación de altas prestacionesEficiencia energéticaBig dataSaludInteligencia artificialLos grandes avances tecnológicos de los sistemas de cómputo paralelo y distribuido hacen viable nuevas soluciones a problemas. Por un lado, nos enfocamos en métricas de rendimiento. En particular, nos abocamos a métricas energéticas que cobraron enorme relevancia debido al gran número de unidades de procesamiento que componen los sistemas de cómputo. Por otro lado, buscamos aplicar técnicas de cómputo paralelo y distribuido para brindar soluciones en el sector salud. En especial, nos orientamos a sistemas de alertas tempranas de gravedad, basadas en inteligencia artificial. Una aplicación está destinada a Unidades de Cuidados Intensivos, que debe tratar con datos masivos, y otra aplicación tiene como fin la clasificación del nivel de gravedad de pacientes con COVID-19, que presenta una arquitectura distribuida, tolerante a fallos y de simple administración. Los trabajos se desarrollan en colaboración con otras universidades, y un hospital público de Argentina. La formación de recursos humanos en estas líneas está orientada al nivel de tecnicatura, grado, maestría y doctoral.Red de Universidades con Carreras en InformáticaInstituto de Investigación en Informática2022-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf541-545http://sedici.unlp.edu.ar/handle/10915/144914spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-48222-3-9info:eu-repo/semantics/reference/hdl/10915/142555info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T17:17:51Zoai:sedici.unlp.edu.ar:10915/144914Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 17:17:51.914SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial en cómputo paralelo y distribuido
title Métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial en cómputo paralelo y distribuido
spellingShingle Métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial en cómputo paralelo y distribuido
Balladini, Javier
Ciencias Informáticas
Computación de altas prestaciones
Eficiencia energética
Big data
Salud
Inteligencia artificial
title_short Métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial en cómputo paralelo y distribuido
title_full Métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial en cómputo paralelo y distribuido
title_fullStr Métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial en cómputo paralelo y distribuido
title_full_unstemmed Métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial en cómputo paralelo y distribuido
title_sort Métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial en cómputo paralelo y distribuido
dc.creator.none.fl_str_mv Balladini, Javier
Morán, Marina
Zanellato, Claudio
Rozas, Claudia
Cañibano, Rodrigo
Orlandi, Cristina
De Giusti, Armando Eduardo
Suppi, Remo
Rexachs del Rosario, Dolores
Luque Fadón, Emilio
Frati, Fernando Emmanuel
author Balladini, Javier
author_facet Balladini, Javier
Morán, Marina
Zanellato, Claudio
Rozas, Claudia
Cañibano, Rodrigo
Orlandi, Cristina
De Giusti, Armando Eduardo
Suppi, Remo
Rexachs del Rosario, Dolores
Luque Fadón, Emilio
Frati, Fernando Emmanuel
author_role author
author2 Morán, Marina
Zanellato, Claudio
Rozas, Claudia
Cañibano, Rodrigo
Orlandi, Cristina
De Giusti, Armando Eduardo
Suppi, Remo
Rexachs del Rosario, Dolores
Luque Fadón, Emilio
Frati, Fernando Emmanuel
author2_role author
author
author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Computación de altas prestaciones
Eficiencia energética
Big data
Salud
Inteligencia artificial
topic Ciencias Informáticas
Computación de altas prestaciones
Eficiencia energética
Big data
Salud
Inteligencia artificial
dc.description.none.fl_txt_mv Los grandes avances tecnológicos de los sistemas de cómputo paralelo y distribuido hacen viable nuevas soluciones a problemas. Por un lado, nos enfocamos en métricas de rendimiento. En particular, nos abocamos a métricas energéticas que cobraron enorme relevancia debido al gran número de unidades de procesamiento que componen los sistemas de cómputo. Por otro lado, buscamos aplicar técnicas de cómputo paralelo y distribuido para brindar soluciones en el sector salud. En especial, nos orientamos a sistemas de alertas tempranas de gravedad, basadas en inteligencia artificial. Una aplicación está destinada a Unidades de Cuidados Intensivos, que debe tratar con datos masivos, y otra aplicación tiene como fin la clasificación del nivel de gravedad de pacientes con COVID-19, que presenta una arquitectura distribuida, tolerante a fallos y de simple administración. Los trabajos se desarrollan en colaboración con otras universidades, y un hospital público de Argentina. La formación de recursos humanos en estas líneas está orientada al nivel de tecnicatura, grado, maestría y doctoral.
Red de Universidades con Carreras en Informática
Instituto de Investigación en Informática
description Los grandes avances tecnológicos de los sistemas de cómputo paralelo y distribuido hacen viable nuevas soluciones a problemas. Por un lado, nos enfocamos en métricas de rendimiento. En particular, nos abocamos a métricas energéticas que cobraron enorme relevancia debido al gran número de unidades de procesamiento que componen los sistemas de cómputo. Por otro lado, buscamos aplicar técnicas de cómputo paralelo y distribuido para brindar soluciones en el sector salud. En especial, nos orientamos a sistemas de alertas tempranas de gravedad, basadas en inteligencia artificial. Una aplicación está destinada a Unidades de Cuidados Intensivos, que debe tratar con datos masivos, y otra aplicación tiene como fin la clasificación del nivel de gravedad de pacientes con COVID-19, que presenta una arquitectura distribuida, tolerante a fallos y de simple administración. Los trabajos se desarrollan en colaboración con otras universidades, y un hospital público de Argentina. La formación de recursos humanos en estas líneas está orientada al nivel de tecnicatura, grado, maestría y doctoral.
publishDate 2022
dc.date.none.fl_str_mv 2022-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/144914
url http://sedici.unlp.edu.ar/handle/10915/144914
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-48222-3-9
info:eu-repo/semantics/reference/hdl/10915/142555
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
541-545
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846783584638074880
score 12.982451

Publicaciones similares