Material audiovisual y sonoro https://repositorio.tic.unam.mx/handle/123456789/3612 Thu, 09 Apr 2026 12:38:20 GMT 2026-04-09T12:38:20Z Imágenes, inteligencia artificial y nuestro cotidiano https://repositorio.tic.unam.mx/handle/123456789/3919 Imágenes, inteligencia artificial y nuestro cotidiano Conferencia videograbada de Zian Fanti Gutiérrez, transmitida en Youtube, sobre cómo la IA atraviesa el ciclo completo de imágenes: desde captura y mejoramiento (superresolución, reducción de ruido, restauración y colorización) hasta análisis (segmentación semántica/por instancias, detección y OCR) y síntesis (deepfakes y generación). Presenta ejemplos urbanos e históricos, aplicaciones cotidianas (búsqueda visual, filtros, fondo automático), y discute costos, derechos de uso y ambigüedades legales de plataformas. Fri, 29 Nov 2024 00:00:00 GMT https://repositorio.tic.unam.mx/handle/123456789/3919 2024-11-29T00:00:00Z IA para el estudio de enfermedades zoonóticas: una enfermedad desantendida y silenciosa https://repositorio.tic.unam.mx/handle/123456789/3915 IA para el estudio de enfermedades zoonóticas: una enfermedad desantendida y silenciosa Conferencia virtual, transmitida en Youtube, que muestra cómo la visión computacional y el aprendizaje profundo apoyan el estudio de la enfermedad de Chagas: detección automática de nidos de amastigotes en histopatología, estimación de deformaciones en ecocardiografía y uso de redes convolucionales (UNet, modelos atencionales) con aumento de datos y validación cruzada. Aborda flujo de infección, retos de datos, interpretabilidad del modelo y la creación del software DeepCruci para apoyo diagnóstico. Fri, 29 Nov 2024 00:00:00 GMT https://repositorio.tic.unam.mx/handle/123456789/3915 2024-11-29T00:00:00Z Aplicaciones de IA en imagenología médica https://repositorio.tic.unam.mx/handle/123456789/3903 Aplicaciones de IA en imagenología médica Conferencia videograbada, transmitida en Youtube, sobre el uso de Inteligencia Artificial en imagenología médica, centrada en ultrasonido fetal (fetometría) y apoyo al diagnóstico. Explica el paso de métodos clásicos (modelos deformables, optimización genética) a redes neuronales modernas (CNN, U-Net, YOLO), la selección automática de planos, segmentación y medición de fémur, cráneo y abdomen para estimar peso gestacional. Aborda exactitud, validación clínica local, sesgos de datos y responsabilidades éticas y legales del diagnóstico asistido por IA. Wed, 27 Nov 2024 00:00:00 GMT https://repositorio.tic.unam.mx/handle/123456789/3903 2024-11-27T00:00:00Z