http://repositorio.usfq.edu.ec/handle/23000/13319 Tue, 04 Nov 2025 08:03:09 GMT 2025-11-04T08:03:09Z http://repositorio.usfq.edu.ec/handle/23000/14680 Title: Monitoring Tunas and Sharks using YOLO models in the Galápagos Islands Authors: Morales Arcos, Diego Santiago Abstract: Los tiburones y las atunes desempeñan un papel fundamental en los ecosistemas marinos, pero sus poblaciones están disminuyendo debido a la sobrepesca y la pérdida de hábitat. Se necesitan urgentemente métodos de monitoreo precisos y no invasivos para guiar estrategias de conservación efectivas. En este estudio, proponemos un sistema de detección automatizada basado en YOLO diseñado para identificar con precisión tiburones (específicamente tiburones sedosos y tigres) y atunes en videos submarinos grabados en las Islas Galápagos... Description: Sharks and tunas play a pivotal role in marine ecosystems, yet their populations are declining due to overfishing and habitat loss. Accurate, non-invasive monitoring methods are urgently needed to guide effective conservation strategies. In this study, we propose a YOLO-based automated detection system designed to accurately identify sharks (specifically silky and tiger sharks) and tunas in underwater videos recorded in the Galápagos Islands... Wed, 18 Dec 2024 00:00:00 GMT http://repositorio.usfq.edu.ec/handle/23000/14680 2024-12-18T00:00:00Z http://repositorio.usfq.edu.ec/handle/23000/14679 Title: Smart Citizen Control of Public Procurement in Ecuador: Classification of accusatory comments from “Sistema Oficial de Contratación Pública del Ecuador (SOCE)” using LLMs Authors: Núñez Alverca, Bryan Patricio Abstract: En el contexto de las compras públicas en Ecuador, donde la transparencia y la equidad son fundamentales, este estudio aborda el desafío de identificar comentarios acusatorios realizados por los proveedores durante la etapa de preguntas y respuestas en los procesos de licitación. Se recopilaron un total de 5,005 frases del portal de compras públicas, de las cuales solo 147 fueron etiquetadas como acusatorias, evidenciando un desbalance significativo entre clases. Se evaluaron cuatro modelos de lenguaje de gran escala (LLMs): ChatGPT 4o-mini, Llama 3.1 (8B y 70B) y PHI 3.5 mini, utilizando técnicas avanzadas de prompting como greedy search y beam search... Description: In the context of public procurement in Ecuador, where transparency and fairness are essential, this study addresses the challenge of identifying accusatory comments made by suppliers during the question-and-answer stage of bidding processes. A total of 5,005 phrases were collected from the public procurement portal, of which only 147 were labeled as accusatory, highlighting a significant class imbalance. Four large language models (LLMs) were evaluated: ChatGPT 4o-mini, Llama 3.1 (8B and 70B), and PHI 3.5 mini, leveraging advanced prompting techniques such as greedy search and beam search... Mon, 02 Dec 2024 00:00:00 GMT http://repositorio.usfq.edu.ec/handle/23000/14679 2024-12-02T00:00:00Z http://repositorio.usfq.edu.ec/handle/23000/14677 Title: Optimizing developer experience: BERT and MLP for spam detection in gaming applications submissions Authors: Molina Ortiz, Angel Abstract: Este proyecto se centra en mejorar la experiencia de los usuarios en el portal para desarrolladores de Riot, optimizando la creación de aplicaciones que interactúan de manera eficiente y segura con todas sus API. Para lograr este objetivo, se ha implementado un modelo de inteligencia artificial basado en BERT y MLP, diseñado para detectar aplicaciones potencialmente no deseadas o spam. Al analizar los detalles de cada aplicación, el modelo predice si la aplicación debe ser aprobada o rechazada. El modelo propuesto demostró excelentes resultados de rendimiento, alcanzando una precisión del 91.34%, un puntaje F1 de 91.69% y un ROC AUC de 91.33%... Description: This project focuses on improving the user experience on Riot’s developer portal by streamlining the creation of applications that interact efficiently and securely with all its API’s. To achieve this goal, an artificial intelligence model based on BERT and MLP has been implemented, designed to detect potentially unwanted or spam applications. By analyzing the details of each application, the model predicts whether the application should be approved or rejected. The proposed model demonstrated excellent performance results, achieving an accuracy of 91.34%, an F1 score of 91.69%, and an ROC AUC of 91.33%... Mon, 02 Dec 2024 00:00:00 GMT http://repositorio.usfq.edu.ec/handle/23000/14677 2024-12-02T00:00:00Z http://repositorio.usfq.edu.ec/handle/23000/14676 Title: Emotion Recognition through Fine-tuned CNNs: Analyzing Facial Expressions in Videos Authors: Marin Alquinga, Edison Daniel Abstract: Gracias a los avances de inteligencia artificial, la capacidad en descifrar las emociones humanas a partir del rostro se ha convertido en un modo crucial de comunicación. Por lo que se propone un modelo de reconocimiento de emociones basado en aprendizaje profundo. A partir de 283,9k imágenes, se realiza la preparación de los datos. Este incluye el preprocesamiento, división y aumento, seguido de un ajuste fino de una red neuronal convolucional preentrenada. Para el entrenamiento escogen las imágenes provenientes de AffectNet, donde el modelo clasifica en 7 categorías originales. Luego, se realiza una evaluación, tomando como base los fotogramas de los rostos en videos detectados mediante MTCNN, teniendo como resultado una línea de tiempo de las emociones detectadas en el video de manera agrupada en positivo, negativo y neutro. Description: Thanks to advances in artificial intelligence, the ability to decipher human emotions from the face has become a crucial mode of communication. Therefore, an emotion recognition model based on deep learning is proposed. From 283.9k images, data preparation is performed. This includes preprocessing, splitting, and augmentation, followed by fine-tuning a pre-trained convolutional neural network. For training, images from the AffectNet dataset are used, where the model classifies them into the original 7 categories. Then an evaluation is performed by analyzing frames of faces detected in videos using MTCNN. The result is an emotion timeline for the video, with the emotions grouped into positive, negative, and neutral categories. Mon, 02 Dec 2024 00:00:00 GMT http://repositorio.usfq.edu.ec/handle/23000/14676 2024-12-02T00:00:00Z