Sensorama
URI permanente para esta colecciónhttp://localhost:4000/handle/10901/25451
Examinar
11 resultados
Resultados de la búsqueda
Item type:Ítem, Especificaciones Técnicas Un Comparativo entre Computadoras y AnythinLLMMolano Sarmiento, Juan David; Mu Fu, Tienshin; SANTA QUINTERO, RICARDO ANDRESEl uso de herramientas avanzadas de procesamiento de lenguaje natural puede tener un impacto significativo en el rendimiento de las computadoras. Este proyecto tiene como objetivo realizar un análisis comparativo entre las especificaciones técnicas de una computadora personal y las demandas que genera el uso de la plataforma AnythingLLM.Item type:Ítem, Almacenamiento en la nube para aplicaciones legales: Regulación, seguridad y alternativas.Villamil Moya, Nicolle Dayana; Mu Fu, Tienshin; SANTA QUINTERO, RICARDO ANDRESEl almacenamiento en la nube se ha vuelto esencial para la gestión de información en el sector legal, al ofrecer mayor accesibilidad, eficiencia y reducción de costos. No obstante, su adopción enfrenta desafíos importantes, como la seguridad de los datos, el cumplimiento normativo y la dependencia de proveedores. Una problemática persistente en el ámbito jurídico es el uso excesivo de documentos físicos, lo cual retrasa la digitalización de procesos y limita el aprovechamiento de herramientas tecnológicas. Esta resistencia impide una gestión documental más ágil y segura, dificultando la transición hacia entornos digitales modernos. Este artículo analiza las diferencias entre la nube pública, privada e híbrida aplicadas al entorno legal, evaluando sus beneficios y riesgos. Asimismo, se explora el impacto de AnythingLLM en la protección y manejo de documentos legales en la nube. Finalmente, se revisan las normativas vigentes en Colombia, como la Ley 1581 de 2012 sobre protección de datos, y se comparan servicios de almacenamiento como AWS, Google Cloud y Microsoft Azure, con el objetivo de identificar la alternativa más adecuada para el sector jurídicoItem type:Ítem, Certificado Especificaciones Técnicas Un Comparativo entre Computadoras y AnythinLLMMolano Sarmiento, Juan David; Mu Fu, Tienshin; SANTA QUINTERO, RICARDO ANDRESEl uso de herramientas avanzadas de procesamiento de lenguaje natural puede tener un impacto significativo en el rendimiento de las computadoras. Este proyecto tiene como objetivo realizar un análisis comparativo entre las especificaciones técnicas de una computadora personal y las demandas que genera el uso de la plataforma AnythingLLM.Item type:Ítem, MCP (Model Context Protocol)Gonzalez Torres, Daniel Leonardo; Santa Quintero, Ricardo AndresEn la presentacion se ve como el Model Context Protocol (MCP) busca unificar la forma en que la inteligencia artificial se comunica con distintas aplicaciones, ofreciendo un formato estándar que reduce el código de pegado y complementa a las APIs existentes; se destacó su naturaleza open-source y la conveniencia de alojarlo de forma propia para evitar riesgos de seguridad asociados a servidores de terceros, así como un ejemplo práctico de automatización con n8n que demuestra cómo la IA invoca funciones descritas en un manifiesto MCP. También se revisaron posibles vulnerabilidades, la necesidad de auditorías y la importancia de versionar descriptores, y se reconoció que, aunque el protocolo es joven y su futuro podría cambiar con la aparición de nuevos estándares, experimentar temprano otorga ventaja competitiva.Item type:Ítem, Reunion: Un vistazo a MCP Model Context Protocol ¿El futuro de la inteligencia artificial?Gonzalez Torres, Daniel Leonardo; Santa Quintero, Ricardo AndresEn la reunion se hablo de como el Model Context Protocol (MCP) busca unificar la forma en que la inteligencia artificial se comunica con distintas aplicaciones, ofreciendo un formato estándar que reduce el código de pegado y complementa a las APIs existentes; se destacó su naturaleza open-source y la conveniencia de alojarlo de forma propia para evitar riesgos de seguridad asociados a servidores de terceros, así como un ejemplo práctico de automatización con n8n que demuestra cómo la IA invoca funciones descritas en un manifiesto MCP. También se revisaron posibles vulnerabilidades, la necesidad de auditorías y la importancia de versionar descriptores, y se reconoció que, aunque el protocolo es joven y su futuro podría cambiar con la aparición de nuevos estándares, experimentar temprano otorga ventaja competitiva.Item type:Ítem, Análisis de mercado de plataformas en la nube y On-premise para hacer analítica de datos y modelos de predicciónSanchez Rodriguez, Juan Diego; Guerrero Vera, Juan Esteban; Santa Quintero, Ricardo AndresEste estudio de mercado analiza y compara plataformas en la nube (Amazon Web Services, Microsoft Azure y Google Cloud Platform) y soluciones on-premise, con el objetivo de determinar la mejor alternativa para implementar modelos de predicción de calidad del aire en Bogotá. El análisis se desarrolló en el marco del semillero SENSORAMA de la Universidad Libre, empleando datos del sistema IBOCA y considerando modelos de redes neuronales avanzadas. Se evaluaron criterios como costo, escalabilidad, mantenimiento, disponibilidad y personalización. Los resultados indican que las plataformas en la nube ofrecen ventajas significativas en términos de flexibilidad y despliegue rápido, mientras que las soluciones on-premise proporcionan un mayor control sobre la seguridad y la configuración. La elección final dependerá de los requerimientos técnicos, la sensibilidad de los datos y la experiencia del equipo de desarrollo.Item type:Ítem, Ponencia de análisis de mercado de plataformas en la nube y On-premise para hacer analítica de datos y modelos de predicción (Presentación)Sanchez Rodriguez, Juan Diego; Guerrero Vera, Juan Esteban; Santa Quintero, Ricardo AndresLa ponencia presentó un análisis comparativo entre plataformas en la nube (AWS, Azure y GCP) y soluciones on-premise, enfocado en la implementación de modelos de predicción de calidad del aire en Bogotá. En el marco del semillero SENSORAMA de la Universidad Libre, se evaluaron criterios como costos, rendimiento, escalabilidad, mantenimiento y personalización. El proyecto emplea datos del sistema IBOCA y modelos avanzados de redes neuronales. Los resultados destacaron que las soluciones en la nube son más escalables y fáciles de mantener, mientras que las opciones on-premise ofrecen mayor control sobre la seguridad. La selección óptima dependerá de la infraestructura disponible, los requerimientos de personalización y la experiencia del equipo.Item type:Ítem, Ponencia Creando Asistentes Virtuales: Configuración de Servidores con LLM Studio y AnythingLMProyectoSanabria, Angie; Villamil, Nicolle; Santa, RicardoEn un mundo donde la inteligencia artificial transforma diversas áreas, el semillero ha decidido desarrollar una IA asistente para los consultorios jurídicos de la universidad. Al utilizar la infraestructura y los recursos existentes, no solo se facilita el desarrollo del proyecto, sino que también abrimos oportunidades para mejorarla. Esto contribuirá a un entorno de aprendizaje más dinámico y enriquecedor, convirtiendo a la IA en una herramienta valiosa para toda nuestra comunidad académica. Para la creación de la IA asistente, se comienza desde cero con la configuración de servidores para utilizar Modelos de Lenguaje Grande (LLM) conectados con la herramienta Anything. Incluyendo la apertura del Datacenter, la instalación del software necesario y las pruebas de entrenamiento, con el fin de obtener como es el rendimiento de respuesta en los servidores.Item type:Ítem, Certificado Análisis de Mercado de Plataformas en la Nube y On-Premise Para Hacer Analítica de Datos Y Modelos de PredicciónSanchez Rodriguez, Juan Diego; Guerrero Vera, Juan Esteban; Santa Quintero, Ricardo AndresEste certificado se otorga en reconocimiento a la participación en la elaboración y presentación del estudio titulado "Análisis de mercado de plataformas en la nube y on-premise para hacer analítica de datos y modelos de predicción", desarrollado en el marco del semillero SENSORAMA de la Universidad Libre.Item type:Ítem, “Finetuning y RAG Asistente Legal Inteligente”Gonzalez Torres, Daniel Leonardo; Santa Quintero, Ricardo AndresEl video presenta el desarrollo de un asistente legal inteligente que utiliza el proceso de fine-tuning para adaptar la inteligencia artificial mediante ejemplos específicos de preguntas y respuestas. Se emplean herramientas como Google Colab y la librería Pandas para transformar datos de archivos Excel a un formato adecuado para el fine-tuning, utilizando el modelo GPT-3.5 Turbo por su costo y eficiencia, mientras se considera la posibilidad de modelos más avanzados como GPT-4 en el futuro. Es fundamental establecer un contexto a través de un prompt del sistema para definir la personalidad del asistente y cómo debe responder en un entorno legal. Además, se discute la importancia de evaluar los costos asociados al uso de la API de OpenAI y se sugiere crear asistentes especializados para mejorar la precisión en la atención al usuario. La colaboración entre los equipos de ingeniería y derecho es esencial para asegurar que las soluciones desarrolladas respondan a las necesidades del campo legal.