LICENCIATURA EN GESTIÓN DE TECNOLOGÍA INFORMÁTICA
Permanent URI for this collection
Browse
Recent Submissions
1 - 5 of 72
-
ItemEvaluación de técnicas de clustering para agrupar artefactos de requerimientos : escenarios escritos en lenguaje natural( 2025-11)La ingeniería de requerimientos es una etapa clave en el ciclo de vida del desarrollo de software. Es fundamental contar con un modelo de evaluación que ayude a las empresas de software a medir su capacidad para aplicar la ingeniería de requerimientos. Dificultades en las tareas del proceso, como planes poco claros, que se registran de manera incompleta, pueden resultar al fracaso del proyecto, que se entreguen productos de calidad deficiente y que se superen los presupuestos establecidos. En dominios complejos, la utilización de escenarios para capturar requerimientos ha despertado un interés creciente entre los profesionales de la ingeniería de requerimientos. La cantidad de escenarios posibles puede ser inmenso, lo que requiere técnicas avanzadas. La manera de abordar esta complejidad es agrupando los escenarios bajo algún criterio, aplicando técnicas de clustering. La evaluación de técnicas de clustering para agrupar artefactos de requerimientos en lenguaje natural es un aspecto fundamental en la ingeniería de software y el procesamiento del lenguaje. Existen varias técnicas y estrategias para llevar a cabo esta actividad, no obstante, seleccionar la técnica de agrupación correcta puede ser complicada, ya que no hay una solución universal. Por ese motivo, la intención de este trabajo final es evaluar técnicas de clustering para agrupar escenarios con el uso de modelo de lenguaje de gran escala (LLM) que tiene la capacidad de optimizar las técnicas tradicionales de agrupación de texto al enfocarse en la importancia de los conceptos, haciendo que sean más eficientes en la organización de textos. El estudio realizado demuestra una alta coherencia estructural en el diseño de los escenarios utilizados, lo que respalda la consistencia interna del modelo de procesos que se ha representado por dichos escenarios. Este hallazgo indica que la utilización de técnicas de clustering facilitadas por LLM representa una herramienta eficaz para examinar tanto la estructura como la calidad conceptual de los escenarios, además de abrir nuevas posibilidades para profundizar y ampliar el uso de LLM y técnicas de agrupamiento en el ámbito de la ingeniería de requerimientos
-
ItemSecNet : gestión integral de ciberseguridad para Routers Mikrotik( 2024)SecNet es una solución innovadora de seguridad gestionada (MSSP) desarrollada por Madrygal, consultora especializada en ciberseguridad para PyMEs. SecNet ofrece protección integral y personalizada contra amenazas cibernéticas, utilizando tecnologías de código abierto como Wazuh, filtrado DNS e IP, monitoreo y gestión remota de firewalls Mikrotik, en un entorno distribuido, habilitado para la web y accesible a través de un modelo SaaS. SecNet se distingue por su enfoque proactivo, que va más allá de la simple reacción a incidentes. Combina la detección y respuesta a amenazas en tiempo real con la prevención mediante el análisis de inteligencia de amenazas, filtrado DNS e IP, y la experiencia del equipo Madrygal en Wazuh como solución XDR. Esta combinación proporciona una protección multicapa robusta y confiable, adaptada a las necesidades y presupuesto de cada cliente
-
ItemDiseño e implementación de una plataforma de análisis técnico para inversores minoristas argentinos( 2026-7)El trabajo desarrolla una plataforma que lee señales de mercado con medias móviles, apoyada en HMA16. Descarga las cotizaciones de las acciones locales y las deja normalizadas. Para cada ticker arma una serie sintética en dólares MEP, y sobre esa serie calcula los indicadores que después producen la señal de cada rueda. Esa señal se exporta en JSON. El archivo lo lee una web pensada para usuarios que no necesariamente manejan finanzas. El tipo de cambio MEP necesita el precio del AL30D, y ese bono recién empezó a cotizar el 14 de septiembre de 2020. Por eso el backtesting no comienza antes de esa fecha. Sin esa cotización no hay MEP que calcular. Desde ahí en adelante, cada señal se contrasta con un Buy & Hold de referencia. El objetivo es identificar temprano las señales de compra o venta. Las señales falsas son el riesgo. Para filtrarlas, el sistema suma la fuerza del volumen y confirma con patrones de velas. La evaluación se apoya en el retorno anualizado y en la máxima caída (drawdown), siempre contra ese Buy & Hold de base. Queda registrado además cuánto tiempo estuvo el capital invertido, con las reglas del sistema documentadas. Se entrega una web pública. Muestra las salidas por instrumento y suma una sección aparte de análisis fundamental como complemento.
-
ItemHoneyAgent. Framework configurable de despliegue de honeypots distribuidos con análisis de amenazas basado en agentes LLM( 2026-7)El presente trabajo final de carrera tiene como objetivo el diseño e implementación de HoneyAgent, un framework configurable para el despliegue de honeypots distribuidos en infraestructuras de Amazon Web Services (AWS), orientado al sector fintech bajo el marco regulatorio del estándar PCI-DSS y las normativas del Banco Central de la República Argentina (BCRA). La problemática que motiva este trabajo se centra en la creciente exposición de las organizaciones financieras a ataques dirigidos a credenciales e identidades en entornos cloud, combinada con la limitación de los mecanismos de detección tradicionales, que operan de manera reactiva y no ofrecen trazabilidad sobre el proceso de decisión ante cada alerta. En un sector donde la regulación exige justificar las acciones de seguridad, esta brecha resulta especialmente crítica. Para abordar esta problemática, se propone un enfoque basado en deception technology, en el que un archivo de configuración YAML define el conjunto de honeypots a desplegar: usuarios IAM ficticios, buckets S3 señuelo, endpoints RDS inactivos y secretos falsos en AWS Secrets Manager. La infraestructura se provisiona mediante Terraform o AWS CDK, y la detección de eventos se lleva a cabo a través de un pipeline compuesto por AWS CloudTrail, Amazon EventBridge, AWS Lambda y Amazon GuardDuty. Ante cada activación, un agente basado en modelos de lenguaje de gran escala (LLM), implementado sobre el modelo Claude Sonnet 4.5 a través de Amazon Bedrock con capacidad de uso de herramientas, analiza el evento en contexto, consulta fuentes externas y genera un reporte estructurado que documenta el razonamiento detrás de cada decisión. A través de los diversos capítulos se explica el marco teórico que sustenta la propuesta, se describe en detalle el diseño e implementación del framework y se presentan los resultados obtenidos en términos de viabilidad técnica, extensibilidad y alineación regulatoria.
-
ItemEvaluación de técnicas de clustering para agrupar términos del lenguaje del dominio capturados a través del glosario LEL( 2026-7)En este trabajo se propuso la evaluación de técnicas y herramientas basadas en inteligencia artificial (IA) orientadas al tratamiento de especificaciones técnicas en entornos documentales complejos, específicamente técnicas de clusterización. El objetivo principal fue establecer si era posible el uso de dichas técnicas y herramientas para analizar y agrupar términos en base a un documento de ingeniería de requerimientos y definiendo también la mejor técnica y herramienta. Se probaron modelos capaces de agrupar términos de un glosario de léxico extendido del lenguaje (LEL), abordando desafíos como la ambigüedad y la redundancia inherentes a la vasta cantidad de estos que podría haber en dominios muy complejos. La metodología constó de pruebas y comparativas de distintos métodos de clusterización. Los resultados obtenidos demuestran si estas herramientas tienen el potencial para optimizar la toma de decisiones y gestión del conocimiento en organizaciones técnicas y multidisciplinarias.