Este artículo presenta al matemático peruano Harald Helfgott, quien recientemente publicó una demostración del problema matemático conocido como la "conjetura débil de Goldbach", formulado hace tres siglos. La conjetura plantea que todo número impar mayor a 5 puede expresarse como suma de 3 números primos. El artículo describe la trayectoria académica de Helfgott y resume brevemente cómo abordó la demostración del problema luego de siglos de intentos infructuosos de otros matemáticos.
PROYECTO FINAL. Tutorial para publicar en SlideShare.pptx
Revista compuscientia 2013
1.
2. Vol. 3 No. 1, Diciembre 2013
EQUIPO EDITORIAL
Editor en Jefe
Juan del Carmen Grados Vasquez, Laboratorio Nacional de
Computac~ao Cient
3. ca
Directores
Nils Ever Murrugarra Llerena, University of Pittsburgh
Jorge Carlos Valverde Rebaza, Universidade de S~ao Paulo
Editores
Fredy Carranza Atho, Bradar Industria SA - Embraer Defesa e Se-guran
ca
Rosa Virginia Encinas Quille, Universidade de S~ao Paulo
Frank Dennis Julca Aguilar, Universidade de S~ao Paulo
Marina Jeaneth Machicao Justo, Instituto de Fsica de S~ao Carlos
Pedro Nelson Shiguihara Juarez, Universidade de S~ao Paulo
Editores Asociados
Joel Eduardo Sanchez Castro, Universidade de S~ao Paulo
Gladys Marleny Hilasaca Mamani, Universidade de S~ao Paulo
Victor Laguna Gutierrez, Yahoo!
Edward Jorge Yuri Cayllahua Cahuina, Universidad Catolica San
Pablo
Karla Otiniano Rodrguez, Universidade Federal de Ouro Preto
Boris Aguilar Huacan, Virginia Tech
Miguel Angel Galarreta Valverde, Universidade de S~ao Paulo
Rosario Alejandra Medina Rodrguez, Universidade de S~ao Paulo
Paola Llerena Valdivia, Universidade de S~ao Paulo
Lucy Choque Mansilla, Universidade de S~ao Paulo
Guadalupe del Rosario Quispe Saji, Laboratorio Nacional de
Computac~ao Cient
4. ca
Asistentes
Junior Fabian Arteaga, Universidade Estadual de Campinas
Leandro Ticlia De La Cruz, Universidade de S~ao Paulo
Ricardo Gonzalez Valenzuela, Universidade Estadual de Campinas
Rosa Virginia Encinas Quille, Universidade de S~ao Paulo
Luis Miguel Mostacero Zarate, Agronegocios Genesis S.A.C
Revisores
Yensi Vega Lujan, Universidad Nacional de Trujillo
Yessenia Yari Ramos, E-Business Solution
Jesus Pascual Mena Chalco, Universidade Federal do ABC
Victor Laguna Gutierrez, Yahoo!
Hector Vargas Poblete, Laboratorio Nacional de Computac~ao
Cient
5. ca
Giacomo Mc Evoy Valenzano, Laboratorio Nacional de Compu-ta
c~ao Cient
6. ca
Roco Milagros Zorrillo Coz, Laboratorio Nacional de Computac~ao
Cient
7. ca
Dise~no
Karla Cano Rojas
www.karlacano.com
Direccion
Sociedad de Estudiantes de Ciencia de la Computacion
Urb. Los Portales II Etapa Mz. J Lt. 3
Trujillo, La Libertad, Peru
Contacto
compuscientia@seccperu.org
c Sociedad de Estudiantes de Ciencia de la
Computacion - SECC
SECC autoriza la reproduccion total o parcial del conteni-do
de este numero para uso personal o academico, siempre
que se haga la citacion respectiva. Queda prohibida cual-quier
distribucion que implique alguna ganancia o bene
8. -
cio comercial. Para otros tipos de copias, volver a publi-car
o postear en otros servidores, distribucion en listas, u
otros, se requiere de un permiso expreso. Los artculos que
aparecen
9. rmados en esta revista expresan las opiniones
personales de sus autores.
10. Editorial
La revista CompuScientia entiende la suma de esfuerzos colectivos de profesionales, que
actuan en las areas de Ciencias de la Computacion, Tecnologas de la Informacion y a
11. nes,
para desarrollar sus respectivas areas.
La revista CompuScientia se suma al esfuerzo y pretende discutir, promover y posibilitar el
desarrollo de la ciencia con enfoque en formacion cient
12. ca, y tiene como objetivo principal
presentar las Ciencias de la Computacion y Tecnologas de la Informacion como agentes
para el desarrollo sostenido del pas. Para esto, se publica resultados de investigaciones,
entrevistas y opiniones en temas relacionados a las Ciencias de la Computacion y a
13. nes.
Es un proyecto concebido en el 2010, para construir un vnculo de caracter cient
14. co,
tecnologico y de opinion, y as refrendar de manera mas precisa la mision de la Sociedad de
Estudiantes de Ciencias de la Computacion (SECC). Es decir, se trata de uno mas entre
los numerosos desafos que tiene el SECC para con la sociedad.
Hay una curva de aprendizaje en la gestion editorial de la revista, ya que es la 3o edicion
online, por lo tanto aun tenemos di
16. nitivo de normas, ademas de atraer el envolvimiento de la comunidad
actuante en las areas mencionadas, por eso instamos a Ud. lector que caso quiera contribuir
con la revista el proximo a~no, es bienvenido!.
No obstante, creemos que, con esta edicion, ademas de publicaciones cient
17. cas y tecnologi-cas,
entrevistas y opiniones, estamos ofreciendo, tambien, a los jovenes estudiantes de pre y
posgrado, profesionales y entusiastas de diferentes carreras de Computacion un importante
estmulo para ingresar o continuar en estas fascinantes areas.
La Comision Editorial de la Revista CompuScientia agradece a los alumnos, profesores,
investigadores, anunciantes y a todos los que han contribuido para que esta edicion se
transforme en realidad.
Rio de Janeiro - Brasil Juan del Carmen
Diciembre 2013 Grados Vasquez
18. Vol. 3 No. 1 http://seccperu.org/compuscientia
CompuScientia Diciembre, 2013
CONTENIDO
DESTACADOS
Harald Andres Helfgott 5
Peruanas destacando en el mundo 6
ESTUDIANTES AHORA
Sistema de Reconocimiento y Traduccion Au-
tomatica de Texto Braille
9
Segmentacion de texto en imagenes aplicando la
estructura de datos Disjoint-sets y K-means
12
Web Inteligente: Web Semantica 15
MOTIVATE!
Las TICs y la Computacion en organizaciones
internacionales: Aracely Quispe, peruana traba-
jando en la NASA
18
Cloud Computing para terrenales 21
Desarrollando y mejorando la radio virtual en el
mundo con software libre? Proyecto Radio3HP
24
ENTREVISTA
Entrevista con el Ph.D. Jintai Ding: Criptografa
Pos-Cuantica
26
Entrevista a Katia Vega 30
Entrevista con el Ph.D. Renato Portugal 32
EDUCACION Y COMPUTACION
Educacion Superior en Computacion 36
Dictado de la materia Computacion Evolutiva en
pregrado
39
ACONTECIO
EN EL SECC
EAEC-SECICOMP 2013 42
Iniciacion en Ciencia de la Computacion 43
EVENTOS
Congresos Nacionales e Internacionales en
Computacion
44
ANUNCIOS
Anunciantes 54
Codigo QR de CompuScientia. Coloca
tu dispositivo movil sobre esta imagen
y accede directamente a nuestro sitio
web.
19. CompuScientia , Vol. 3 No. 1 DESTACADOS Diciembre, 2013
DESTACADOS
Harald Andres Helfgott
Matematico peruano propone demostracion de problema matematico formulado hace tres siglos.
Joel Edu Sanchez Castro, S~ao Paulo
Este 2013 puede ser el a~no en que
el peruano Harald Andres Helfgott pa-se
a la historia al haber publicado
una demostracion a un problema ma-tem
atico propuesto en el a~no 1742 por
el matematico aleman Christian Gold-bach,
el cual es considerado uno de
los problemas no resueltos mas difci-les
de la matematica. Este problema
es conocido como la conjetura debil
de Goldbach que plantea que todo
numero natural impar mayor a 5 pue-de
expresarse como suma de 3 nume-ros
primos (que tiene unicamente dos
divisores distintos: el mismo y el 1).
Por ejemplo, 7 = 3+2+2, 9 = 3+3+3,
etc.
Quien es Harald Helfgott?
Harald es un matematico que na-ci
o en Lima el 25 de noviembre de
1977. Desde peque~no vivio en un am-biente
matematico pues su padre Mi-chel
Helfgott es matematico y su ma-dre
Edith Seier es estadstica. Harald
comento que la pasion por las ma-tem
aticas provino desde su hogar ya
que crecio entre libros, en un entorno
que alentaba su interes. A los doce
a~nos, Harald ya asista a diversas cate-dras
en las universidades de San Mar-cos
y Catolica. Tambien frecuentaba
grupos de jovenes que se preparaban
para competencias de matematicas.
As descubrio que la competencia no
era lo mas importante sino aprender
con otros estudiantes que compartan
sus intereses.
A los 16 a~nos termino el colegio
con bachillerato internacional y par-ti
o a los Estados Unidos con una be-ca
de pregrado para estudiar en la
Universidad Brandeis, donde obtuvo
un B.A. summa cum laude en Ma-tem
aticas y Ciencias de la Compu-taci
on. Posteriormente, estudio en la
Universidad de Princeton donde ob-tuvo
su PhD en Matematicas. Harald
ha trabajado en centros de investiga-ci
on importantes como la Universidad
de Yale, Berkeley, Montreal y Bris-tol.
En 2010, fue admitido en el pres-tigioso
Centro Nacional para la In-vestigaci
on Cient
20. ca en Francia, don-de
trabaja actualmente. En esta tra-yectoria
como investigador recibio di-ferentes
premios entre los que resal-tan:
Premio Philip Leverhulme, Pre-mio
Whitehead (London Mathemati-cal
Society) y Premio Adams (Cam-bridge).
La conjetura de Goldbach
La conjetura de Goldbach es uno
de los problemas abiertos mas anti-guos
en matematicas. En 1921, duran-te
el famoso discurso de G.H. Hardy,
para la Sociedad Matematica de Co-penhage,
comento que probablemente
la conjetura de Goldbach no es solo
uno de los problemas no resueltos mas
difciles de la teora de numeros, sino
de todas las matematicas.
El origen de este problema lo enun-ci
o el matematico Christian Goldbach
en una de las cartas enviadas a Leon-hard
Euler, gran matematico del siglo
XVIII. Ambos vivan en Rusia, uno
en Moscu y el otro en San Petesbur-go,
y mantenan comunicacion cons-tante.
Goldbach escribio en una carta
a Euler, el 7 de junio de 1742, sugirien-do
que cualquier numero natural par
mayor a 2 es la suma de dos numeros
primos.
4 = 2 + 2
6 = 3 + 3
Euler sugera que el enunciado de-ber
a ser correcto pero no tena la cer-teza.
Este problema es conocido co-mo
Conjetura fuerte de Goldbach, y
es la que se suele mencionar solamen-te
como Conjetura de Goldbach.
Al mismo tiempo, se poda observar
que haban numeros impares que no
podan resultar de la suma de 2 nume-ros
primos mas si de 3 (por ejemplo
el 11), siendo este el enunciado de la
conjetura debil de Goldbach.
Vale la pena aclarar que se le lla-ma
conjetura a un enunciado que no
ha podido ser probado si es verdadero
o falso. Una propiedad importante de
esta, es que si la conjetura fuerte de
Goldbach es correcta implicara que
la conjetura debil tambien es correc-ta,
pero hasta el momento no se ha
podido veri
21. car la conjetura fuerte.
La propuesta de Harald
A seguir explicamos a grandes ras-gos,
como Harald trabajo para encon-trar
la prueba de la conjetura debil de
Goldbach. Harald cuenta que un pri-mer
paso fue presentado por Hardy y
Littlewood, en 1923; quienes comen-zaron
a usar el analisis de Fourier
(metodo del circulo) en la teora
de numeros. Ellos demostraron que
la conjetura era cierta para numeros
impares mas grandes que una cierta
constante C no especi
22. cada, siempre
que se asumiera la llamada Hipotesis
Generalizada de Riemann que conti-nua
siendo una conjetura y es parte
de Los Siete Problemas del Milenio
de la Fundacion Clay. Quince a~nos
mas tarde, Vinogradov probo que esta
hipotesis era innecesaria, es decir, que
la conjetura era cierta para numeros
mayores a una constante C no especi-
23. cada.
Desafortunadamente, los numeros
para los cuales fue probado la conjetu-ra
eran numeros sumamente grandes,
mas alla de la escala astronomica. Con
el transcurso de los a~nos, diversos in-vestigadores
(Borozdkin, 1956; Wang-
Chen, 1989) han encontrado valores
para la constante C cada vez meno-res.
La constante mas peque~na encon-trada
y presentada en 2002 por Liu-
Wang fue de C = 2101346. En 2013,
Helfgott y Platt mostraron que la con-jetura
es cierta para numeros desde
5 hasta 8;875 1030 (este resultado
fue encontrado usando el poder del
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 5 / 56
24. CompuScientia , Vol. 3 No. 1 DESTACADOS Diciembre, 2013
computador y algoritmos e
25. cientes).
Sin embargo, se observa que el vaco
que se encuentra entre estos dos valo-res
es gigante, es decir, 8;8751030 es
mucho menor que 2 101346. Enton-ces,
si alguien prueba que la conjetura
es valida para numeros mayores a una
constante C 1030, la conjetura sera
probada completamente. El hallazgo
excepcional de Harald fue probar que
la conjetura es valida para numeros
mayores a una constante C 1029.
Empezar desde cero
Harald comenzo a pensar en el pro-blema
de la Conjetura de Goldbach
a
26. nales del 2005, y comenzo a tra-bajar
en la demostracion para todos
los numeros impares desde el comien-zo
de 2006. Desde entonces hasta es-te
a~no estuvo investigando el proble-ma,
al mismo tiempo que hacia otros
artculos y cumpla con sus obligacio-nes
de investigador.
Harald comenta que buscaba re-sultados
teoricos, cualitativos y no pe-que~
nas mejoras a resultados ya en-contrados.
Entonces planteo la reso-luci
on comenzando desde cero, aun-que,
obviamente inspirado en ideas
de sus predecesores. Harald explica
que para comprobar este problema tu-vo
que mejorar diferentes tecnicas de
varias areas, algunas de ellas aplica-das.
Como por ejemplo encontrar co-tas
explcitas en funciones parabolicas
cilndricas, estos resultados podran
ayudar a la investigacion de esas ra-mas
aplicadas, y que es probable que
los especialistas en esa area puedan
mejorar su trabajo.
Veri
27. cacion de la prueba
La prueba propuesta aun se encuen-tra
en revision, pero la respuesta de la
comunidad matematica ha sido muy
positiva, ya que el enfoque usado era
publico y los trabajos anteriores de
Harald le dieron cierta credibilidad.
Una vez que las dos pruebas, Ma-jor
arcs for Goldbach's theorem [4]
y Minor arcs for Goldbach's pro-blem
[5], sean enviadas a una revis-ta
especializada, los revisores podran
demorar un a~no o mas veri
28. cando-las
[2].
Por otro lado, se supone que al
probar la conjetura debil de Goldbach
esta contribuira para probar la conje-tura
fuerte. Sin embargo, Harald a
29. r-ma
que los metodos usados para esta
prueba no son aplicables a la conjetu-ra
fuerte. Este problema sera mucho
mas difcil de probar y necesitara un
cambio completo de enfoque para pro-barlo.
Harald siendo condecorado por
el Ministerio de Educacion
Desde que se dio a conocer la prue-ba
del problema, Harald ha sido entre-vistado
por diversos medios de comu-nicaci
on y galardonado por diferentes
instituciones nacionales. En agosto de
2013 fue reconocido como Profesor
honorario de la Universidad Nacio-nal
Mayor de San Marcos en merito a
sus logros y su contribucion a la uni-versidad
a traves del dictado de con-ferencias
y seminarios. El mismo mes
fue distinguido como Embajador de
los Aprendizajes por el Ministerio de
Educacion [1].
Este texto fue redactado a partir
de varias fuentes encontradas en in-ternet
[7, 3, 6].
Referencias
[1] Ministerio de educacion,
Harald helfgott recibira del
minedu distincion como
embajador de los aprendizajes,
http://tinyurl.com/kpvvo9o.
Consulta: 21 de octubre del 2013.
[2] ElComercio.pe, Harald helfgott:
La veri
30. cacion de mi prueba
podra llevar un a~no o mas,
http://tinyurl.com/mtvcvkj.
Consulta: 21 de octubre del 2013.
[3] Filarmonia, Entrevista al
matematico peruano harald
helfgott, http://tinyurl.com/
llldqzc. Consulta: 21 de octubre
del 2013.
[4] H. A. Helfgott,
Major arcs for Goldbach's theorem,
May 2013, http://arxiv.org/
abs/1305.2897.
[5] ,
Minor arcs for Goldbach's problem,
May 2013, http://arxiv.org/
abs/1205.5252.
[6] Portal madri+d, Entrevista al
matematico peruano harald
helfgott, http://tinyurl.com/
ncmdzxc. Consulta: 21 de octubre
del 2013.
[7] Website personal, H. A. Helfgott,
http://www.math.ens.fr/
~helfgott/. Consulta: 21 de
octubre del 2013.
DESTACADOS
Peruanas destacando en el mundo
Katia Canepa Vega y Leissi Casta~neda Leon, mujeres de Ciencias de la Computacion que|en termi-nos
coloquiales| la saben hacer!
Es con orgullo que presentamos en
esta edicion de Compuscientia 2013,
a dos peruanas de Ciencias de la
Computacion que la saben hacer!
Quien diga que la belleza no va
de la mano con la tecnologa se
equivoca, y para demostrarlo
basta un simple abrir y cerrar
de ojos
Katia Canepa es graduada en In-genier
a de Sistemas e Informatica de
la Universidad Nacional Mayor de San
Marcos (Lima, Peru), con maestra en
Ciencias de la Computacion en la Pon-tif
cia Universidad Catolica de Rio de
Janeiro (PUC-RIO) (Rio de Janeiro,
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 6 / 56
31. CompuScientia , Vol. 3 No. 1 DESTACADOS Diciembre, 2013
Brasil) y actualmente alumna de doc-torado
en esta misma casa de estudios.
Katia viene trabajando en una
area emergente de la computacion
vestible (wearable computing) al cual
han denominado como Beauty tech-nology
[4, 6]. Katia indica que esta
tecnologa consiste en aprovechar cier-tos
productos o accesorios de belleza
que permitiran usar nuestro cuerpo
como un nuevo dispositivo de entra-da.
Beauty technology: una
tecnologa emergente [5]
Su proyecto de doctorado consis-te
en una plataforma computacional
que capta las ordenes de sus usua-rios,
enviadas a traves de ciertos dis-positivos
(maquillaje, u~nas, pesta~nas,
entre otros accesorios) embebidos en
componentes electronicos (conducto-res
y sensores), y las convierten en
modos de interactuar con los objetos
en el medio ambiente. De esta forma,
son in
32. nitas las posibilidades de in-teracci
on, como por ejemplo: cambiar
la imagen de una presentacion o una
pista musical, levitar objetos, realizar
compras en el supermercado, escanear
un ticket de metro [4]. El grupo de
pesquisa de Katia muestra que la ten-dencia
con este tipo de tecnologas es
que podremos interactuar, cada vez
mas, con objetos que estan embebidos
con micro controladores.
Katia gano el 1er lugar en el TEI
2013 design challenge
El proyecto mas reconocido fue lla-mado
de superheroes, en el cual Ka-tia
muestra sus super poderes al
controlar objetos con un simple par-padear.
Este sistema emplea maqui-llaje
conductivo (plata, nquel, entre
otros) aplicada a manera de pesta~nas
postizas, de tal forma que los movi-mientos
de las pesta~nas funcionen co-mo
interruptores, enviando se~nales a
traves de un radio Zigbee [8] dirigidas
a un receptor para ser decodi
34. co.
Katia en la XVI Mostra-PUC,
mostrando su proyecto de u~nas
inteligentes [5]
Katia tambien trabajo en otro pro-yecto
de u~nas postizas inteligentes, las
cuales son integradas con unos dimi-nutos
chips RFID [7], cuyas ventajas
son su bajo costo, bajo consumo de
energia y que no se requiere vision o
contacto fsico directo entre emisor y
receptor, como es el caso de los lecto-res
de infrarrojos.
El proyecto de Beauty technology,
ya esta rindiendo sus frutos, pues
gano diversos premios de reconoci-miento
mundial. Katia Vega recibio el
primer lugar en el TEI 2013 design
challenge, realizado en Barcelona [2].
Katia tambien obtuvo el tercer lu-gar
Latin-American School on Soft-ware
Engineering (ELA-ES 2013), y
recientemente gano el primer lugar en
la categora de proyectos de doctorado
del Mostra PUC 2013, ambos realiza-dos
en Rio de Janeiro, Brasil.
As como Katia esta cosechando
grandes logros, no muy lejos otra com-patriota
tambien nos enorgullece. En
la segunda parte de este artculo pre-sentamos
a Leissi Casta~neda.
...No tener miedo a ser
rechazado y considerar siempre
cualquier concurso, o envo de
trabajos, como una
experiencia...
Leissi Casta~neda Leon recibio el
grado de Ingeniera Informatica en
la Universidad Nacional de Trujillo
(UNT) (Trujillo, Peru) en el 2009.
Posterior a ello, en el 2010, ingreso
a la Universidad de S~ao Paulo (USP)
(S~ao Paulo-Brasil). En el 2012 reci-bi
o el grado de magster y actualmen-te
continua sus estudios de doctorado
ambos en la misma universidad.
Leissi ya haba destacado desde
los primeros ciclos durante su forma-ci
on en la UNT, y no tardo mucho
para destacar en su maestra. Leis-si
obtuvo el segundo lugar en el XX
Concurso Latinoamericano de Tesis de
Maestras (CLTM), este es un even-to
anual que se realiza dentro de la
Conferencia Latinoamericana en In-form
atica (CLEI) [1] y que en el 2015
sera realizada en el Peru.
Leissi (a la derecha) obtuvo el
2do lugar en el CLEI 2013
Su trabajo de maestra trata sobre
la deteccion de objetos en vdeos. Los
problemas que aborda, principalmen-te,
estan relacionados con desventa-jas
que existen en los metodos actua-les
para detectar imagenes de vdeo
de camaras estaticas y dinamicas, las
cuales son usadas, por ejemplo, en la
seguridad y la asistencia para con-ductores
respectivamente. Dos de las
principales desventajas son: los meto-dos
actuales consideran solo imagenes
obtenidas por un unico tipo de cama-ra
para entrenar los detectores; y los
multiples modelos para cada lnea de
seguimiento de un objeto.
Para mitigar estas desventajas,
Leissi propuso un modelo usando una
fase de aprendizaje o-line. Este mo-delo
consiste en la combinacion de
diversos modelos basados en partes
deformables originalmente propuesto
por Felzenszwalb, et. al. [3]. Los re-sultados
obtenidos muestran el buen
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 7 / 56
35. CompuScientia , Vol. 3 No. 1 DESTACADOS Diciembre, 2013
http://juaninf.blogspot.com
desempe~no del modelo propuesto, su-perando
a otros resultados de la lite-ratura.
Ella dejo un mensaje para todos
sus compatriotas al pedir su recomen-daci
on para enviar trabajos a dicho
concurso: ... Es basicamente no te-ner
miedo a ser rechazado, sino con-siderar
siempre cualquier concurso, o
sumision de trabajos en general como
una experiencia. Siempre van a exis-tir
personas que se interesen en lo que
haces, o que conocen del area y te pue-den
dar buenos consejos, ideas, sobre
tu trabajo realizado, eso es muy pero
muy bueno.
Referencias
[1] CLEI 2013, XXXIX Latin
American Computing Conference,
http://clei2013.org.ve/en/.
Consulta: 22 de octubre del 2013.
[2] TEI 2013, 7th International
Conference on Tangible,
Embedded and Embodied
Interaction, http://www.
tei-conf.org/13/. Consulta:
22 de octubre del 2013.
[3] Pedro F. Felzenszwalb, Ross B.
Girshick, David McAllester, and
Deva Ramanan, Object detection
with discriminatively trained
part-based models, IEEE Trans.
Pattern Anal. Mach. Intell. 32
(2010), no. 9, 1627{1645.
[4] Katia Canepa Vega, Beauty
technology, http://katiavega.
com/. Consulta: 22 de octubre del
2013.
[5] , Sitio facebook o
36. cial,
https://www.facebook.com/
beautytechie. Consulta: 22 de
octubre del 2013.
[6] Katia Canepa Vega and Hugo
Fuks, Beauty technology, http://
tinyurl.com/lzhkgy7. Consulta:
22 de octubre del 2013.
[7] Wikipedia, RFID: Radio
frequency identi
37. cation, http://
es.wikipedia.org/wiki/RFID.
Consulta: 22 de octubre del 2013.
[8] , Zigbee, http://es.
wikipedia.org/wiki/ZigBee.
Consulta: 22 de octubre del 2013.
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 8 / 56
38. CompuScientia , Vol. 3 No. 1 ESTUDIANTES AHORA! Diciembre, 2013
ESTUDIANTES AHORA!
Sistema de Reconocimiento y Traduccion
Automatica de Texto Braille
Se usaron tecnicas de Vision Arti
39. cial para producir una herramienta que permita reconocer carac-teres
de un Libro Braille, y representarlos en caracteres ASCII.
Guevara Honores, Sara, Trujillo, Peru
Lulichac Rojas, Eduardo, Trujillo, Peru
Salda~na Altamirano, Keven, Trujillo, Peru
El reconocimiento optico de caracte-res
(ROC) es un proceso dirigido a la
digitalizacion de textos, cuyo objeti-vo
es identi
40. car a traves de una ima-gen,
smbolos o caracteres de un deter-minado
alfabeto. El Lenguaje Braille
es un codigo tactil de lecto-escritura
que utilizan las personas con discapa-cidad
visual, inventado por el frances
Luis Braille en 1870 [6]. Una pagina
escrita en codigo Braille es representa-da
por un conjunto de puntos Braille
(malla Braille). En el Reconocimiento
del Texto Braille se busca detectar la
malla Braille, para clasi
41. car los pun-tos
y despues reconocerlos.
El Objetivo de este trabajo es
desarrollar una herramienta que au-tomatice
el proceso de reconocimien-to
y traduccion de caracteres Braille
a caracteres ASCII; esta herramien-ta
sera util para el aprendizaje y en-se~
nanza del sistema Braille, en reim-presi
on en espa~nol de libros importan-tes,
entre otros.
Representacion del Lenguaje
Braille
En el sistema Braille cada caracter es
representado por una matriz de seis
puntos (tres
42. las y dos columnas) [6].
Fig. 1: Dimensiones de celda Braille
(
43. gura extrada de Bellido [2]).
Las dimensiones de esta matriz no
son universales, tal como se aprecia en
la Figura 1, su altura y anchura pue-den
variar [2]. Los puntos de una ma-triz
estan separados por una distancia
espec
44. ca. Observando la Figura 2: la
distancia vertical (a) entre centros de
puntos contiguos mide entre 2.40mm
y 2.75mm, la distancia horizontal (b)
mide entre 2.40mm y 2.75mm. En-tre
los puntos de matrices diferentes
tambien existe una distancia espec
45. -
ca. La distancia vertical entre centros
de puntos identicos de lneas contiguas
(c) mnimo de 10.00mm y un maxi-mo
de 11.26mm. La Distancia hori-zontal
entre centros de puntos identi-cos
de lneas contiguas (d) mnimo de
6.00mm y un maximo de 6.91mm [2].
Fig. 2: Parametros dimensionales
(
46. gura extrada de Bellido [2]).
Cada uno de los puntos de una cel-da
Braille es asociado con un numero
del 1 al 6. Dependiendo de que pun-tos
se coloquen en relieve, tenemos un
caracter distinto. En total tendremos
64 combinaciones posibles, incluyen-do
el caracter blanco como signo de
espacio. Mediante estas combinacio-nes
pueden escribirse todas las letras,
numeros y signos de puntuacion, para
facilitar la lectura tactil, mediante las
yemas de los dedos.[6].
La escritura Braille clasica utiliza
6 puntos, pero el bajo numero de com-binaciones
obliga a representar algu-nos
caracteres con secuencias especia-les.
Modernamente, se ha empezado a
utilizar un Sistema Braille de 8 pun-tos
o Braille computarizado, donde no
existen secuencias especiales [5]. Sin
embargo nuestro sistema es capaz de
funcionar solo con la escritura clasica
que utiliza 6 puntos.
Detalles del Proyecto
En la
47. gura 3 mostramos un
ujogra-ma
que contiene las tareas que se im-plementaron
para desarrollar el pre-sente
proyecto.
Fig.3: Flujograma de Proyecto.
1. Adquisicion de la imagen: Las
imagenes del documento (libro Braille
escrito por una sola cara), que usare-mos
se adquirieron por medio de un
escaner, como se muestra en la Figura
4.
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 9 / 56
48. CompuScientia , Vol. 3 No. 1 ESTUDIANTES AHORA! Diciembre, 2013
Fig.4: Parte de una pagina Braille.
2. Pre-procesamiento: La imagen
RGB es convertida a escala de grises,
luego se aplica un
49. ltro de realce para
resaltar los puntos, pues algunos pue-den
estar borrosos[4].
Fig.5: Mascara de Realce usada
(extrada de Gonzales et al. [4]).
Procedemos a aplicar el
51. ltro hara que no se tomen
los pxeles claros de la hoja, quedando
las partes oscuras de los puntos Braille
en color gris, y el fondo de la hoja de
color negro. El Algoritmo 1 muestra
como aplicar el
52. ltro de Promedio/-
Rango a un pixel:
Entrada: Matriz imagen M[][]
posicion de pixel x
posicion de pixel y
Salida : Pixel
53. ltrado valpix
Rmin 0; Rmax 210;
div 0; sum 0; prom 0;
Cf 3; // convoluc filas
Cc 3; // convoluc colum.
for i 1 to Cf do
for j 1 to Cc do
sum M[x][y] + sum;
y y+1;
end
x x+1;
end
prom sum / Cf x Cc
for i 1 to Cf do
for j 1 to Cc do
Div Div + 1
if (M[x][y]
prom-Rmin) and
(M[x][y] prom+Rmax)
then div div + 1
end
end
return valpix=div;
Algorithm 1: Filtro Promedio/-
Rango.
Finalmente utilizamos binariza-ci
on en la imagen tratada para sepa-rar
los objetos de interes (puntos) del
resto de la imagen (fondo). El tipo de
binarizacion utilizado, es de tipo glo-bal,
el metodo utilizado para hallar el
umbral es el ISODATA [1]. La Figura
6 es el resultado del proceso de bina-rizaci
on.
Fig.6: Figura 4 Binarizada.
3. Segmentacion: Se deben separar
las celdas Braille (matrices de 6 pun-tos),
pues cada celda representa un ca-racter
distinto. Se uso una mascara
del tama~no de una celda Braille, te-niendo
en cuenta el rango de dimen-siones
en una celda Braille (Figura 1)
en milmetros y ademas el Calculo de
la cantidad de pxeles que representa
una cierta cantidad de milmetros, el
cual se halla con la ecuacion (1) [3].
f(x) =
DPIRES x
25;4
(1)
Donde: DPIRES es la resolucion
(cantidad de pxeles por pulgada) de
la imagen. x es la distancia en mil-
metros. 25;4 es la cantidad de mil-
metros que representa una pulgada.
Una celda Braille abarca un
caracter Braille, la mascara en pxe-les
representa el tama~no de la celda
Braille (
54. gura 7).
Fig.7: Mascara de una celda Braille.
Para detectar la malla Braille, te-nemos
que segmentar la imagen en l-
neas Braille, y para eso se busca al-gunas
posiciones de referencia usando
los siguientes algoritmos:
Busqueda de la columna referen-cial:
Recorremos la imagen de arriba
hacia abajo y buscamos el primer pi-xel
que pertenezca a un punto Brai-lle.
La posicion y de este pxel, resalta
la columna inicial de las lneas Braille
(Figura 8).
Busqueda de la Primera Fila de la
Lnea Braille: Recorriendo de izquier-da
a derecha buscamos el primer pixel
que pertenezca a un punto Braille. La
posicion x de este pixel nos indica la
primera
55. la de la lnea Braille (Figura
8).
Fig.8: Busqueda de la primera
56. la
de la lnea Braille
Segmentacion de celdas Braille en
una Lnea Braille: A partir de la po-sici
on vertical y horizontal de la pri-mera
lnea Braille, segun el tama~no
de la mascara de celda Braille se seg-menta
la primera celda. Para hallar la
cantidad de pxeles de separacion en-tre
celdas se tuvo en cuenta el rango
de dimension del codigo Braille y la
ecuacion (1). Moviendo la mascara se
segmentan mas celdas, continuando si
y solo si siguen existiendo pxeles per-tenecientes
a un punto Braille (Figura
9).
Fig.9: Segmentacion de celdas
Braille.
Busqueda de nueva Lnea Braille:
Sabiendo la posicion x de la primera
57. la de la lnea Braille segmentada y la
cantidad de pxeles de la altura de la
celda, se suma a la posicion x de una
celda Braille, obteniendo la ubicacion
en una nueva lnea Braille. Se realiza
nuevamente la segmentacion de cel-das
y busqueda de nueva lnea Braille,
proceso que terminara cuando la po-sici
on x sea la ultima
58. la de la imagen.
4. Descripcion: Para diferenciar un
caracter de otro, se usa la tecnica de
Descriptor por Region, el cual se ob-tiene
del analisis de caractersticas in-ternas
del objeto [4]. El alfabeto que
reconocera el programa, estara forma-do
por los caracteres: a-z, a-u, 1-9, y
smbolo numeral. Los descriptores son
vectores de tama~no 6 cuyos elementos
tendran valores 0 o 1. Por ejemplo, en
la
59. gura 10 tenemos el caracter n en
Braille dado por una matriz 3x2. El
descriptor para la letra n sera el vec-tor:
v = f1; 1; 0; 1; 1; 0g.
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 10 / 56
60. CompuScientia , Vol. 3 No. 1 ESTUDIANTES AHORA! Diciembre, 2013
Fig.10: Caracter n en Braille.
Se debe obtener los descriptores
de todas las celdas Braille que se seg-mentaron.
Se recorren los casilleros de
cada celda y si el numero de pxeles
blancos es mayor que 20 (representa
un punto Braille), se coloca '1', caso
contrario se coloca '0'.
5. Reconocimiento: Se identi
61. -
can los caracteres Braille, emplean-do
busqueda por exactitud. Para ca-da
descriptor de celda Braille se busca
uno igual en los descriptores del alfa-beto.
Img. de Caract. Caract.
Prueba en Img. Reconoc.
1 38 36
2 47 47
3 41 40
4 45 44
5 34 30
6 35 35
Tab.1: Precision de reconocimiento.
Resultados y Conclusiones
Se logro desarrollar una herramien-ta
que permite reconocer caracteres
Braille y traducirlos a caracteres AS-CII
a partir de una imagen escaneada.
Se trabajaron con imagenes reales
obtenidas por un escaner convencio-nal,
de un libro con paginas de escri-tura
simple (una sola cara).
Se usaron algoritmos de Vision Ar-ti
62. cial, los cuales son simples de im-plementar.
Se obtuvieron mejores resultados
con imagenes sin defectos(puntos bo-rrosos)
y sin ruido (sal y pimienta). La
exactitud fue de 99.97 %. (Tabla 1).
Referencias
[1] Maribel Arroyave Giraldo, Alejan-dro
Restrepo Martnez, and Fran-cisco
Vargas Bonilla, Incidencia de
la segmentacion en la obtencion de
region de interes en imagenes de
palma de la mano, Revista Tecno
Logicas (2011), no. 27, 119{138.
[2] Jose Mara Bellido, Sistema
braille, Manual de Se~naletica
Corporativa del Ayuntamiento
de Vitoria-Gasteiz, vol. 27, June
2013.
[3] Hector Ferraro and Claudia Ce-cilia
Russo, Reconocimiento
automatico de texto braille, XII
Congreso Argentino de Ciencias
de la Computacion, vol. 27, June
2013.
[4] Ana M Gonzalez, F Alba, et al.,
Tecnicas y algoritmos basicos de
vision arti
63. cial, UNIVERSIDAD
DE LA RIOJA, SERVICIO DE
PUBLICACIONES (2006).
[5] F. Martn Rodrguez, Ocr parrafo
texto braille, Ph.D. thesis, Univer-sidad
de Vigo, June 2013.
[6] Mara Jesus Frutos Sastre,
Normativa para la inclusion de
textos en braille en envases de
cartoncillo de medicamentos
fabricados industrialmente, Edi-torial
Paraninfo, 2012.
Sara Guevara Honores
Estudiante de la carrera profesional de Ingeniera Informatica de la Universidad Nacional
de Trujillo - Peru. Se desempe~na como desarrolladora en SONDA S.A. y sus ramas de
interes son: Vision e Inteligencia Arti
64. cial, y Redes de Computadoras.
Email: sara.guevara@sonda.com.pe
Eduardo Lulichac Rojas
Estudiante de la carrera profesional de Ingeniera Informatica de la Universidad Nacional
de Trujillo - Peru. Interesado en la investigacion sobre Vision Computacional, Inteligencia
Arti
65. cial, Redes de Computadoras y otros.
Email: lulichaceduardo@gmail.com
Keven Salda~na Altamirano
Estudiante de la carrera profesional de Ingeniera Informatica de la Universidad Nacional
de Trujillo - Peru. Actualmente se desempe~na como desarrollador Front-End y Back-End.
Interesado en Redes, Computacion Gra
68. CompuScientia , Vol. 3 No. 1 ESTUDIANTES AHORA! Diciembre, 2013
ESTUDIANTES AHORA!
Segmentacion de texto en imagenes aplicando la
estructura de datos Disjoint-sets y K-means
La complejidad computacional del algoritmo K-means clustering en el proceso de segmentacion es una
limitante para trabajar con imagenes de gran tama~no, por lo que se propone el uso de la estructura
de datos Disjoint-sets para moderar la informacion a ser procesada.
Berthin Sandino Torres Calla~naupa, Cusco
La busqueda y reconocimiento de tex-to
en imagenes constituye un campo
activo de investigacion en el area de
Procesamiento de Imagenes. La nece-sidad
de digitalizar la informacion ha
llevado a desarrollar diversas meto-dolog
as cuyo desempe~no experimen-tar
a cambios favorables o adversos
segun el tipo de problema al que se
enfrente. Del mismo modo, la masi
69. -
cacion del uso del Internet, ya sea me-diante
correos electronicos o redes so-ciales
como medios para compartir in-formaci
on, ha logrado que actualmen-te
tengamos nuevos problemas para
afrontar. Es por ello, que nace la ne-cesidad
de etiquetar, organizar y cate-gorizar
la informacion presente.
Una fotografa, como matriz de
pxeles, almacena datos que al ser
interpretados se convierten en infor-maci
on. Uno de los casos fuertemen-te
estudiados es el uso de las apli-caciones
Optical Character Recogni-tion
(OCR, http://bit.ly/GXU0Td,
http://bit.ly/16fmqy1), que bus-can
extraer el texto que contiene la
imagen. Para llevar a cabo dicho pro-ceso,
las imagenes son sometidas a
una fase de segmentacion la cual
70. l-trar
a todo el background de la imagen
y almacenara unicamente lo requeri-do.
Estado del Arte
La segmentacion de texto en image-nes,
como parte espec
71. ca del proble-ma
de segmentacion en general, cuen-ta
con una diversidad de enfoques pro-puestos
cada uno enfocado de acuerdo
a las caractersticas del input. La Fig.
1 muestra una clasi
72. cacion de meto-dos
para este tipo de segmentacion.
Fig. 1: Metodos de
segmentacion de texto.
La segmentacion basada en el
contorno aplica
74. lter,
wavelet, high variance, etc.) y prin-cipios
geometricos (orientacion, esca-la,
etc.), mientras que la segmenta-ci
on basada en colores busca apro-vechar
caractersticas relacionadas al
color que exhiben los pxeles (histo-gramas,
entropa, textura, etc.).
Dentro de los metodos basados en
colores, encontramos la segmenta-ci
on que usa un threshold que to-mar
a un imagen en escala de grises y
la
76. -
que el background y el negro el tex-to,
o viceversa. En la mayora de ca-sos,
este metodo es usado para mane-jar
imagenes que hayan sido genera-das
por un procesador de texto. Los
metodos mas signi
77. cativos de este en-foque
son: Otsu's method y Niblack's
method.[2] Luego, se tiene la segmen-taci
on basada en Machine Lear-ning
(ML) que a su vez puede di-vidirse
como: Supervisado, donde se
busca una funcion a partir de un trai-ning
data set que luego recibira pxe-les
para clasi
78. carlos como texto o
no-texto; y no supervisado, cuya
tarea es encontrar una similitud entre
los pxeles para formar grupos y lue-go
determinar que grupo (o grupos)
corresponde al texto.
A pesar de que los enfoques de
ML muestran un mejor desempe~no, el
empleo de los mismos representan un
gran uso en la capacidad de calculo
debido a la complejidad computacio-nal
que tienen. Considerando el ca-so
del algoritmo no supervisado K-means
(KM), este posee una comple-jidad
O(ndK), donde n representa el
numero de datos y d el numero de ite-raciones
para buscar los K clusters. Si
usasemos este enfoque con una imagen
de 800 600 pxeles, donde n repre-senta
el numero de pxeles, d = 10 y
K = 3, aproximadamente llevaramos
a cabo 14;4106 operaciones (sin con-siderar
la complejidad de operaciones
matematicas y accesos a memoria),
as que si tomasemos en cuenta que
un computador puede llevar a cabo
18106 operaciones por segundo, pa-ra
imagenes de mayor dimension (p.
ej. 2048 1536, 3072 2048), la fa-se
de segmentacion podra durar hasta
10 segundos de procesamiento.
Enfoque propuesto
El principal problema al tratar con fo-tograf
as de gran tama~no mediante el
KM es la complejidad debido al valor
que tomara el parametro n, se plan-tea
el uso de la estructura de datos
Disjoint-sets (DS) con el objetivo de
reducir el numero de colores que luego
seran pasados como parametro para la
segmentacion.
Gracias a la estructura DS, nues-tra
complejidad para el proceso de
segmentacion en imagenes cualesquie-ra
sera O(n lg n= lg lg n+c0dK), siendo
c0 el numero de componentes (o colo-res)
que formaran parte de la imagen.
Disjoint-sets
Es una estructura de datos que
permite agrupar elementos en subcon-juntos
disjuntos llamados componen-tes.
La estructura, tiene como
79. nali-dad
llevar a cabo dos tipos de ope-raciones.
La primera, Union que jun-tar
a dos componentes y la segunda,
Find que buscara el componente a
la cual pertenece un elemento dado.
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 12 / 56
80. CompuScientia , Vol. 3 No. 1 ESTUDIANTES AHORA! Diciembre, 2013
Haciendo uso del algoritmo Union-
Find junto con al enfoque weighted
quick-union aplicado con path com-pression
se puede obtener una com-plejidad
O(n lg n), donde lg n
es el numero de veces necesitados pa-ra
que la funcion lg de un numero
alcance el valor de 1. Para efectos
practicos podemos usar la cota supe-rior
O(n lg n= lg lg n).[1]
Una imagen esta compuesta por
un conjunto de pxeles, cada pixel pue-de
ser visto como un elemento del con-junto
y un grupo de pxeles adyacentes
que comparten caractersticas simila-res
pueden ser representados por un
componente.
Dicho esto, dada una imagen co-mo
un conjunto de pares ordenados
(x; y) y una funcion : (x; y) !
Rw que representa el color del pi-xel
en la posicion P = (x; y), don-de
w dependera del modelo de color
que se este usando, de
81. nimos la tarea
de agrupar varios pxeles adyacentes
siempre y cuando estos se encuentren
dentro de un rango establecido de to-lerancia
de variacion. Con ello pode-mos
crear componentes de acuerdo a
la cercana de colores.
Por lo tanto, para un pixel en la
posicion P = (x; y) se debe compro-bar
si sus vecinos (con distancia de
Manhattan igual a uno) pueden o no
formar parte de la misma componen-te.
Para lo cual, se trabajara con los
pxeles en las posiciones: (x; y 1),
(x 1; y); (x + 1; y); (x; y + 1). Sin
embargo, no es necesario comprobar
con todos los vecinos, dado que, deter-minar
si la componente en la posicion
(x; y) puede o no unirse a la compo-nente
(x; y 1), es igual a decir que
(x; y1) compruebe si (x; (y1)+1)
puede formar parte de la misma com-ponente;
solo es necesario comprobar
con los vecinos (x; y+1) y (x+1; y).
Ahora, se debe buscar una for-ma
de determinar si dos componen-tes
adyacentes pueden unirse, para
lo cual, se hace uso de una funcion
UF((C1); (C2)) que calcule la distan-cia
entre los colores de las componen-tes,
donde C1 y C2 seran las posiciones
de los pxeles representativos de cada
componente y (Ci) indica el color de
Ci. Si el valor es menor o igual a un
' pre-de
83. rmar que
ambas componentes pueden unirse.
Finalmente, es necesario tomar en
cuenta el modelo de color a ser usa-do,
porque se puede encontrar casos
donde la representacion de los colores
sea un problema. En la Fig. 2, con-siderando
el modelo RGB, se observa
una gran variacion en el valor de R
(red) de los cuadros de la izquierda y
del medio, como tambien una varia-ci
on del valor B (blue) de los cuadros
del medio y de la derecha; por ello, el
modelo RGB nos limita a establecer
un ' para cada color (R, G y B) de
manera independiente, mientras que,
con el modelo HSV se puede limitar
cada valor a distintos rangos.
Fig. 2: Contra-ejemplo de uso
del modelo RGB.
Una particularidad del modelo
HSV es la presencia de 3 parametros
que representan: a) Hue (H); que vara
de 0 a 360 y permite manejar los co-lores
en un rango de secciones circula-res.
b) Saturation (S); que vara de 0 a
100 y maneja la cantidad de color. c)
Value (V); que vara de 0 a 100 y ma-neja
la intensidad de luz. De esta for-ma,
se puede establecer un rango para
H, uno para S y otro para V, permi-tiendo
determinar con mayor certeza
si dos componentes pueden o no unir-se.
El algoritmo para formar las com-ponentes
dada una imagen de W H
(width, height) sera:
1mX [] = {0, 1}, mY [] = {1, 0};
2para mv = 1 hasta 2
3 para x = 1 hasta W-mX[mv]
4 para y = 1 hasta H-mY[mv]
5 inicio
6 C1= Find (x, y)
7 C2= Find (x+mX[mv], y+mY[mv ])
8 si (UF((C1); (C2)) = ')
9 Union (C1 , C2)
10 fin
Alg. 1: Formar componentes.
K-means clustering
Dentro del aprendizaje automatico no
supervisado, yace la necesidad de aso-ciar
informacion que mantenga cierto
parentesco.
En el problema de segmentacion,
nuestro objetivo es enfocarnos en
agrupar pxeles de tal forma que po-damos
reducir el rango que cada pi-xel
toma como valor. Una vez que se
tenga un rango manejable, es factible
llevar a cabo calculos para determi-nar
el color (o colores) del patron que
se este buscando. De modo que, ca-da
pixel es clasi
84. cado de acuerdo a
las caractersticas de color que posee
sin considerar restricciones de locali-zaci
on, o algun otro tipo de ajuste de
parametro como en los enfoques su-pervisados.
En el caso de la segmentacion de
texto, este metodo es independiente al
lenguaje; el tipo, tama~no, y estilo de
la fuente; y no recibe in
uencia nega-tiva
de los pxeles adyacentes. Sin em-bargo,
esta ultima caracterstica pue-de
o no cumplirse satisfactoriamente
debido a la agrupacion de componen-tes
que se realizo con el Alg. 1. Gran
parte dependera del valor ' y la fun-ci
on UF que se de
85. na.
De este modo, el algoritmo sera el
siguiente:
1Inicializar aleatoriamente K
centroides 1; 2; : : : ; K
2repetir d veces
3inicio
4 para i = 1 hasta c'
5 ci = ndice del cluster (de 1 a
K) cuyo centroide es mas
cercano a Ci
6
7 para k = 1 hasta K
8 k =
X
i2Sk
Ci
jSkj
9fin
Alg. 2: K-means.
donde Sk es el subconjunto de todos los
ndices de las componentes asignadas al clus-
ter k y k representa la posicion del centroi-de
del k-esimo cluster.
Hasta este punto, se puede formar
K clusters. La Fig. 3(a) presenta una
con
86. guracion de puntos sobre los cua-les
se obtienen 3 clusters, mientras que
las Fig. 3(b, c y d) muestran 3 di-ferentes
salidas del KM donde ya no
reciben la totalidad de puntos, si no
un conjunto reducido que estara con-formado
por los puntos representati-vos
de las componentes obtenidas del
DS. Esto genera un problema, porque
dentro del algoritmo para designar los
nuevos centroides (lnea 7, Alg. 2) se
toma en consideracion el numero de
puntos que fueron asignados al iesi-mo
cluster. Mientras que, al trabajar
con los resultados del DS solo se con-siderar
a el numero de componentes.
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 13 / 56
87. CompuScientia , Vol. 3 No. 1 ESTUDIANTES AHORA! Diciembre, 2013
(a) (b)
(c) (d)
Fig. 3: Diferentes resultados
local optimum del KM.
Suponiendo que se trabaje con 5
puntos (P1; P2; : : : ; P5) que pertene-cen
a un cluster k, y mediante el
Alg. 1 se obtienen 2 componentes
C1 y C2 conformadas por los pun-tos
fP1; P2; P3g y fP4; P5g respec-tivamente.
Al tratar de formar los
clusters, la primera parte del Alg. 2
(lneas 5 y 6) no se vera afectada
por la condicion de cercana para for-mar
las componentes en el DS; mien-tras
que, en la segunda parte (lnea
8) sera alterada por uk = C1+C2
2 , en
lugar de la original uk = P1+P2++P5
5 .
Para corregir este hecho, se hace uso
de un arti
88. cio para tener lo siguien-te:
uk =
3 P1+P2+P3
3 + 2 P4+P5
2
5
.
Si cCi fuera igual la media aritmeti-ca
de todos los puntos Pj que perte-necen
a la componente i, se obtiene:
uk = 3cC1+2cC2
5 . Entonces, alterando
la lnea 7 del Alg. 2 por:
k =
X
i2Sk
jCij cCi
Q
(2)
donde Q =
X
i2Sk
jCij
evita que el resultado
89. nal sufra varia-ciones
drasticas a causa de las compo-nentes
formadas.
Una caracterstica
90. nal (y opcio-nal)
que podemos aprovechar, es el
numero de componentes c0 que obtu-vimos
del Alg 1. Considerando el ob-jetivo
del KM, de
92. nalidad es buscar un resul-tado
que sea un optimo local con
respecto a una funcion de distor-si
on J(c1; c2; : : : ; cc0 ; 1; 2; : : : ; K).
Se puede correr el Alg. 2 t veces de
forma que, en cada iteracion se cal-cule
el valor de J y al
95. nal sera
O(c0dKt) donde t vara de 50 a 1000
(Machine Learning, Semana 8 - Clus-tering)
1repetir t veces
2inicio
3 correr Algoritmo2
4 J(c1; c2; : : : ; cc0 ; 1; 2; : : : ; k) =
1
c0
c0X
j=1
kmeans((Pj ); (cj ))
5fin
Alg. 3: K-means Cost Function.
Conclusiones
El modelo HSV puede presentar
un mejor rendimiento que el mo-delo
RGB en algunos casos, pero
se tiene que considerar la com-plejidad
de conversion y tam-bi
en si se trabajara con nume-ros
enteros o punto
otante.(p.
ej. Modelo RGB, 120146 com-ponentes,
Modelo HSV, 302112
componentes).
Durante las pruebas, se ob-serv
o que mediante el Alg. 1
puede llegar a reducir hasta en
un 80% el numero de compo-nentes
de una imagen sin mucha
perdida de informacion con res-pecto
al color (Imagen original,
Imagen procesada).
' tomo valores en base a prue-ba
y error. Se podra automati-zar
el valor de ' de acuerdo a la
distribucion de colores de cada
imagen.
El valor K depende de las ca-racter
sticas de la imagen. Alter-nativamente
se puede elegir un
K grande y luego juntar clusters
cercanos.
Para determinar el cluster que
represente el color del texto, en
la practica se trabaja con el va-lor
mas alto o mas bajo en la
escala de grises.[3].
Ejemplos de resultados de
segmentacion con imagenes que
contienen texto http://bit.
ly/16oWAb1
El enfoque presentado puede ser
extendido a un proceso de seg-mentaci
on en general http://
bit.ly/15YZ7f8.
Referencias
[1] Stephen Alstrup, Inge Gortz, and
Rauhe. Union-
96. nd with cons-tant
time deletions. In Automata,
Languages and Programming, vo-lume
3580 of Lecture Notes in
Computer Science, pages 78{89.
Springer Berlin Heidelberg, 2005.
[2] Mehmet Sezgin and Bulent San-kur.
Survey over image th-resholding
techniques. Journal
of Electronic Imaging, 13(1):146{
168, 2004.
[3] Yan Song and Anan Liu. A no-vel
image text extraction met-hod
based on k-means clustering.
In ICIS 08. Seventh IEEE/ACIS
International Conference on, pa-ges
185{190, 2008.
Berthin Sandino Torres Calla~naupa
Estudiante j C.P. Ingeniera informatica y de Sistemas - UNSAAC.
E-mail: berthin.torres@outlook.com
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 14 / 56
97. CompuScientia , Vol. 3 No. 1 ESTUDIANTES AHORA! Diciembre, 2013
ESTUDIANTES AHORA
Web Inteligente: Web Semantica
Actualmente, el concepto de Web Semantica es ampliamente utilizado, no solo en ambientes de
investigacion academica, sino tambien en iniciativas de gobiernos y empresas privadas. Este artculo
explica una introduccion a la Web Semantica, un ejemplo de aplicacion y las futuras tendencias.
Flor Karina Mamani Amanqui, Brasil
Con los avances de la tecnologa, la
Web es una de las formas mas difun-didas
de obtener datos cient
98. cos para
la adquisicion de nuevos conocimien-tos.
Cada da mas personas tienen ac-ceso
a esos datos mediante diferentes
equipos como los smartphones, tablets
y computadores.
Sin embargo, esa amplia disponi-bilidad
de datos genera un gran volu-men
de informacion en todas las areas
de conocimiento. Para que estos da-tos
sean utiles, es necesario que sean
correctamente analizados y organiza-dos.
De esta forma, las herramientas
de busqueda de informacion recupe-rar
an los datos que los usuarios real-mente
necesitan.
Actualmente, existe una nueva
tecnologa que asocia signi
99. cado a da-tos
en la Web y es conocida como la
Web 3.0 o Web Semantica. La Web
Semantica, es una progresion evolu-tiva
de la World Wide Web. Se fun-damenta
en que los computadores en-tiendan
toda la informacion disponi-ble
en la Web, asociando signi
100. cados
e integrando informaciones [2].
De esta manera, los computadores
podran realizar gran parte del tra-bajo
que los usuarios vienen realizan-do
hoy manualmente, esto a traves de
la creacion de una gran cantidad de
servicios inteligentes, como agentes de
busqueda, agentes de software, maqui-nas
so
102. ltraje de informa-ci
on, Servicios Web, entre otros[4].
El objetivo de la Web Semanti-ca
es lograr que los computadores en-tiendan
el signi
103. cado de la informa-ci
on disponible en la Web actual, de
all proviene la palabra Semantica.
En el caso de seres humanos, enten-der
una se~nal o una palabra no es una
tarea extraordinaria, nuestro cerebro
asocia los conceptos que acumulamos
a lo largo de los a~nos, por lo tan-to
nuestra interpretacion semantica
es proporcionada por estructuras neu-rales.
Sin embargo, para los compu-tadores
actuales, el entendimiento no
esta relacionado a la compresion hu-mana,
pero s a la inferencia y de-ducci
on. De acuerdo con lo ante-rior,
Berners-Lee a
104. rmo que la Web
Semantica es una extension de la Web
actual que proporciona un signi
106. nido a cada informacion
dentro de la Web, permitiendo que los
computadores y personas trabajen en
cooperacion [1].
Entre las diferentes tecnologas
de la Web Semantica, la busqueda
semantica y las ontologas permiten
que el conocimiento sea organizado en
espacios conceptuales de acuerdo con
su signi
107. cado. Esa organizacion per-mite
que las busquedas por informa-ci
on sean capaces de realizar la selec-ci
on y el
108. ltraje de informacion basa-do
en la semantica de los terminos de
busqueda y de los tems buscados.
A continuacion son presentados al-gunos
conceptos importantes para la
Web Semantica:
Ontologas: son modelos conceptua-les
que capturan y explican el vo-cabulario
utilizado en las aplicacio-nes
semanticas. Sirven como base pa-ra
garantizar una comunicacion libre
de ambiguedades. Es decir, ontologas
son una expresion de comunicacion de
la Web Semantica.
El objetivo de laWeb Semantica es
permitir que los computadores reali-cen
el procesamiento de toda la infor-maci
on de laWeb actual. Por lo tanto,
es necesario utilizar lenguajes de co-di
109. cacion que permitan la publicacion
de ontologas en un formato que capa-cite
a los computadores para procesar
las informaciones automaticamente.
Los dos lenguajes estandares son
RDF (Resource Description Frame-work)
y OWL (Ontology Web Langua-ge).
RDF permite proporcionar infor-maci
on descriptiva simple sobre los re-cursos
web (sujeto, predicado y obje-to)
y OWL es un lenguaje para de
111. nir los terminos utilizados para des-cribir
y representar un area espec
112. ca
del conocimiento.
Busquedas Semanticas: son
busquedas inteligentes que mejoran
la precision de la busqueda por com-prender
la intencion del usuario y el
signi
113. cado contextual de los terminos
usados, como ellos aparecen en laWeb
o dentro de un sistema cerrado, para
generar resultados relevantes.
Bene
115. cios mas resaltantes de la
implementacion de la Web Semantica
son explicados a continuacion:
Comercio Electronico: el co-mercio
electronico entre vende-dores
y consumidores es la for-ma
predominante de comercio
en la Web. Un ejemplo es la
consulta de precios a diversos
proveedores. Los consumidores
en internet realizan compara-ci
on de precios a traves de vi-sitas
a los sites y despues ellos
mismos comparan precios. Este
proceso generalmente lleva mu-cho
tiempo, pues no siempre se
cumplen las condiciones en una
misma unidad de medida.
La Web Semantica auxilia en el
desarrollo de agentes que real-mente
interpreten la informa-ci
on en forma de ontologas lo-grando
que: (i) La informacion
sea extrada correctamente en
un formato unico que permite
ser comparado con los requisitos
de usuario. (ii) La informacion
relacionada con la reputacion
del proveedor pueda ser obteni-da
en otros sitios que realicen
una clasi
118. sticados (programas inteligen-tes)
puedan comparar precios en
sites y realizar propuestas en
nombre de los usuarios.
Administracion de Conoci-miento:
el area de administra-ci
on de conocimiento engloba
tareas de adquisicion, disponibi-lizaci
on y mantenimiento de ba-ses
de datos. A medida que los
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 15 / 56
119. CompuScientia , Vol. 3 No. 1 ESTUDIANTES AHORA! Diciembre, 2013
sistemas de informacion van lle-gando
a una edad media sur-ge
una nueva actividad, admi-nistrar
el conocimiento para dar
soporte a la utilizacion del gran
contenido de los datos de las em-presas.
La mayor parte de esa
informacion esta disponible de
manera poco estructurada.
El objetivo de laWeb Semantica
es permitir sistemas de gerencia-miento
de conocimiento mucho
mas avanzados. Haciendo uso de
ontologas y logica de descrip-ci
on se pretende obtener un ni-vel
de integracion de datos supe-rior
a los utilizados actualmen-te
en bases de datos (Wikipedia,
DBpedia, entre otros ).
Mecanismos de busqueda: la
busqueda por informacion basa-da
en palabras claves sera reem-plazada
por consultas so
121. cacion de consistencia
de nueva informacion.
Web Semantica en la
Biodiversidad: Un ejemplo de
aplicacion
En el area de Biodiversidad existe una
gran cantidad de datos generados por
diferentes instituciones, los datos son
colectados en varios lugares, en dife-rentes
formatos y patrones.
Especialistas en Biodiversidad rea-lizan
diferentes tipos de actividades
como analisis de datos sobre especies
colectadas, habitat y relaciones con
otros seres vivos. Estas actividades re-quieren
de herramientas de busqueda
inteligentes que ayuden la identi
122. ca-ci
on de especies y de su habitat.
En funcion del crecimiento de esta
informacion, utilizamos diversas tec-nolog
as de Web Semantica para or-ganizar
los datos de insectos, peces
y mamferos presentes en la region
amazonica de Brasil. Por lo tanto,
se empleo una ontologa de Biodiver-sidad
denominada OntoBio. OntoBio
fue desarrollada por el Instituto de In-vestigaci
on de la Amazona de Brasil
(INPA)1.
El objetivo principal de OntoBio
es conceptualizar de forma clara los
aspectos considerados en el proceso de
colecta de especies, tales como: nom-bre
cient
124. ca
del habitat actual, entre otros.
En la Figura 1, se representa como
OntoBio ayuda a organizar y compar-tir
la informacion entre diferentes ins-tituciones
relacionadas a Biodiversi-dad
en la Web. Cada concepto es rela-cionado
a una clase, por ejemplo, to-dos
los tipos de ecosistema estan re-lacionados
a la clase Ecosystem, di-cha
clase tiene una localizacion espa-cial
(classe SpatialLocation) dentro de
la region amazonica de Brasil. De esta
manera, otras instituciones de investi-gaci
on de Biodiversidad en el mundo
pueden utilizar todas las clases de
125. -
nidas en la ontologa OntoBio dentro
de la Web, pueden compartir informa-ci
on de colectas, habitat, entre otras
informaciones. Otro ejemplo que esta-mos
realizando es relacionar todas las
informaciones de OntoBio con DBPe-dia.
DBPedia es un proyecto para la
extraccion de datos de Wikipedia pa-ra
proponer una version general de la
Web Semantica.
Fig. 1: Ontologa de Biodiversidade (OntoBio)
El editor de ontologas Protege 4.0
2 fue utilizado para editar la ontologa
OntoBio en el lenguaje OWL.
Este lenguaje permite tener triple-tas
de datos de toda la informacion de
Biodiversidad dividida en sujeto (S),
propiedad (P) y objeto (O). Nosotros
utilizamos OntoBio para crear una
herramienta de busqueda semantica
aplicada al entorno de Biodiversidad.
Por ejemplo, si un usuario busca
por ambiente acuatico el programa en-tender
a el signi
126. cado de cada termino
y durante la busqueda, sabra que los
registros de datos se re
127. eren a ros, la-gos
u oceanos; pero no explcitamente
ambiente acuatico, que es de interes
del usuario. Este tipo de busqueda
sera imposible de realizar utilizando
solamente la comparacion de cadenas
realizada en los motores de busqueda
actuales.
Nuestro motor de busqueda
semantica utiliza un lenguaje padron
denominado SPARQL3.
SPARQL es un lenguaje de con-sulta
de ontologas, la sintaxis de
SPARQL es similar al lenguaje de
consulta SQL. Nosotros utilizamos
SPARQL para generar consultas den-tro
de OntoBio.
Los especialistas en Biodiversidad
pueden identi
130. cacion esta com-puesta
por una jerarqua (reino, cla-
1http://www.inpa.gov.br/
2http://protege.stanford.edu/download/protege/4.2/
3http://www.w3.org/TR/rdf-sparql-query/
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 16 / 56
131. CompuScientia , Vol. 3 No. 1 ESTUDIANTES AHORA! Diciembre, 2013
se, orden, familia, genero, especie) que
muestra los antecesores de cada orga-nismo
y las relaciones entre ellos.
La siguiente consulta (Listing
1) fue desarrollada en el lenguaje
SPARQL y tiene como resultado mos-trar
toda la informacion almacenada
referente a una colecta en la Amazona
de Brasil. Por ejemplo, consultando
la ontologa OntoBio podemos cono-cer
la institucion que realizo la colec-ta
(ResearchInstitution), el metodo de
colecta (MethodCollect), nombre del
determinador de la colecta (NameDe-termCollect),
entre otras informacio-nes
almacenadas en la ontologa Onto-
Bio. Adicionalmente, los especialistas
en Biodiversidad podran recuperar in-formaci
on relevante de cada colecta y
de especies que estan en extincion.
s e l e c t ? c o l l e c t
? Re s e a r c h I n s t i t u t i o n
?MethodCol lect
?NameDetermCollect where f
? c o l l e c t : mediat ionIns tVinculo
? Re s e a r c h I n s t i t u t i o n .
? c o l l e c t : i sClasAsColTipCol e ta
?MethodCol lect .
? c o l l e c t : mediatColRespColeta
?NameDeterminateCol lect . g
Alg. 4: Consulta SPARQL para
obtener informacion de una
colecta
Actualmente, estamos en la etapa
de realizar nuevos experimentos con
personal especialista en biologa, es-pec
132. camente en plantas, insectos, pe-ces
y mamferos con el objetivo de
crear casos de uso que puedan contri-buir
en nuestro trabajo.
Futuro de la Web Semantica
De acuerdo con Jim Hendler (precur-sor
de la Web Semantica), en el futu-ro
cada sitio y aplicacion en la Web
contara con su propia ontologa de
terminos [3]. Existira por lo tanto, un
gran numero de peque~nos componen-tes
ontologicos que seran compuestos,
en gran parte, por enlaces entre cada
site.
De lo expuesto, se entiende que
en un futuro, el desarrollo de onto-log
as sera de la misma forma en que
se da actualmente el desenvolvimiento
de paginas Web. El resultado sera un
gran numero de ontologas, construi-das
y mantenidas por personas, enti-dades
o instituciones independientes.
Con el creciente numero de libros, cur-sos
universitarios y tutoriales ofreci-dos
en la area de Web Semantica, se
podra indicar que hoy, desenvolver
ontologas no es mas difcil que desen-volver
paginas HTML.
Finalmente, esperamos que este
artculo sirva de base para futuras
investigaciones relacionadas con Web
Semantica y ontologas. El ejemplo
presentado de Web Semantica en la
Biodiversidad podra ser aplicado en
el Peru, considerando que nuestro pas
tiene una extraordinaria variedad de
recursos vivos y de ecosistemas que
necesitan ser presentados y comparti-dos
con el mundo.
Referencias
[1] Tim Berners-Lee, James Hendler,
and Ora Lassila, The semantic
web, Scienti
133. c American 284
(2001), no. 5, 34{43.
[2] Harold Boley, Said Tabet, and
Gerd Wagner, Design rationale of
ruleml: A markup language for
semantic web rules, 2001, pp. 381{
401.
[3] Aditya Kalyanpur, Bijan Parsia,
Evren Sirin, Bernardo Cuenca
Grau, and James A. Hendler,
Swoop: A web ontology editing
browser, J. Web Sem. 4 (2006),
no. 2, 144{153.
[4] Flor Mamani, Kleberson Serique,
Franco Lamping, Jose dos San-tos,
Andrea Albuquerque, and
Dilvan Moreira, Implementing an
architecture for semantic search
systems for retrieving information
in biodiversity repositories,
http://sbbd2013.cin.ufpe.
br/Proceedings/artigos/pdfs/
sbbd_shp_21.pdf, 2013, Acces-sed:
2013-10-06.
Flor Karina Mamani Amanqui
Ingeniero de Sistemas por la Universidad Catolica de Santa Mara. Actualmente estudian-te
de maestra en Sistemas Web y Multimedia en la Universidad de S~ao Paulo, Brasil.
Sus areas de investigacion estan relacionadas con la aplicacion de tecnologas Web: Web
Semantica, Ontologas, Busquedas Semanticas, Linked Data, Integracion y Recuperacion
de Informacion.
D. Sc. Dilvan de Abreu Moreira
Post Doctorado en la Universidad de Standford en el area de Informatica Biomedica.
Actualmente profesor de la Universidad de S~ao Paulo. Sus areas de invetigacion estan
enfocadas en la aplicacion de tecnologas Web, en especial las de Web Semantica, en
problemas de area Biomedica y de Bioinformatica.
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 17 / 56
134. CompuScientia , Vol. 3 No. 1 MOTIVATE! Diciembre, 2013
MOTIVATE!
Las TICs y la Computacion en organizaciones
internacionales: Aracely Quispe, peruana
trabajando en la NASA
La computacion y las nuevas tecnologas son cada vez mas necesarias para contrarrestar problemas
del mundo y prevenir problemas futuros.
Rosa Encinas, S~ao Carlos, SP, Brasil
Organizaciones internacionales como
la CIA, DEA, NASA, ESA, ROSCOS-MOS,
CCCP, etc. estan relacionadas
con la seguridad, inteligencia y/o in-vestigaci
on [2]. Para cumplir e
135. cien-temente
con esos servicios, es necesa-rio
el uso de herramientas tecnologi-cas
que ayuden con sus objetivos, ya
sea para visualizar o procesar datos
complejos relacionados a nanotecno-log
a, aeronautica, genetica, meteoro-log
a, entre otros. Un ejemplo de es-tas
herramientas son las super compu-tadoras
de la NASA.
En la Fig. 1 (a) presentamos un
dise~no hipotetico, extrado de SCaN-NASA
[4] [3], sobre una arquitectu-ra
de comunicacion que ha dise~nado
la NASA. Esa arquitectura consta de
objetos arti
137. ciales son, principalmente, satelites
en orbita alrededor de planetas y de
satelites naturales. Los objetos natu-rales
son satelites como la Luna, Fo-bos,
Deimos, etc. Debemos recordar
que un satelite es un objeto que orbita
alrededor de algun otro, por ejemplo,
la tierra puede ser considerado como
un satelite natural debido a que orbita
alrededor del Sol.
Por otro lado, un satelite arti
138. cial
tiene como mision principal enviar in-formaci
on a la tierra mediante los ins-trumentos
que tiene incorporado, es-tos
tienen una funcion espec
139. ca pa-ra
cada mision. Los medios de trans-misi
on de datos entre los satelites y
la tierra son: enlaces por microondas,
enlaces opticos y una red de servi-cios
integrados ofrecida por la NASA
(NASA Integrated Services Network -
NISN) |ver Fig. 1(a). La NISN, pro-porciona
una red de telecomunicacio-nes
de alto rendimiento a grandes dis-tancias
para la transmision efectiva de
datos, video y voz.
Para la gestion de la informacion
que se transmite, son necesarios recur-sos
informaticos de alta gama, tales
EnlacesLporLmicroondas
EnlacesLópticos
RedLdeLserviciosLintegradosL
deLlaLNASAL(NISN)
Saturno
.....
.....
.....
Neptuno
Urano
Plutón
Júpiter
Luna
Mercurio
Venus
Sol
SCaN Marte
CSME
NISN
LAMP LOLA
LROC
CRaTER
Mini-RF
LEND
Diviner
LRO
Imágenes LRO
(a)
(b) (c) (d) (e)
Fig. 1: Arquitectura de comunicacion hipotetica de la Agencia Espacial
Estadounidense |Fuente: Imagen adecuada de SCaN-NASA [4] [3].
como: el NAS (NASA Advanced Su-percomputing)
y el NCCS (NASA
Center for Climate Simulation), es-tos
dan soporte en: sistemas (ejm.
NAS |Pleiades, Endeavour, etc.); al-macenamiento
(ejm. NAS |ofrece
una capacidad de 115 petabytes); net-working
(ejm. NAS |10 Gigabit Et-hernet,
ancho de banda maximo dis-ponible
de 1,6 TB por segundo, etc);
visualizacion y analisis (ejm. NAS
|Hyperwall-2).
Sin tecnologa necesaria, la NASA
no podra aprovechar la abundante in-formaci
on que tiene para la toma de
decisiones a favor de la investigacion
y la sociedad. Por lo tanto, la Compu-taci
on y las Tecnologas de Informa-ci
on y Comunicaciones (TICs) tienen
vital importancia dentro de diversas
organizaciones internacionales.
A continuacion presentamos la
descripcion de una tecnologa de la
NASA el Lunar Reconnaissance Or-biter
(LRO) y una entrevista com
Aracely Quispe, una cient
140. ca perua-na
que trabaja en la NASA dentro de
la mision LRO.
Orbitador de reconocimiento
lunar (LRO)
LRO es un satelite en orbita desde
junio del 2009 |ver Fig. 1(b) desti-nada
a la exploracion de la Luna. El
LRO esta compuesto por 6 herramien-tas:
CRaTER, DLRE, LAMP, LEND,
LOLA y LROC |ver Fig. 1 (c) y un
Mini-RF Technology Demostration. A
traves de esas herramientas se obtie-nen
gran cantidad de datos, tales co-mo
mapas de temperatura de da y
noche, imagenes a color de alta reso-luci
on |ver Fig. 1 (d), datos globa-les
geodesicos y albedo de la Luna.
Los datos
141. nales del LRO al, igual
que otras misiones de la NASA son
almacenados en el Sistema Planeta-rio
de Datos (Planetary Data System
- PDS)[1], as como los archivos de
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 18 / 56
142. CompuScientia , Vol. 3 No. 1 MOTIVATE! Diciembre, 2013
datos antiguos, actuales, y los datos
de laboratorio. Este sistema de da-tos
esta disponible para cient
143. cos que
no estan familiarizados con los expe-rimientos
originales.
Peruana Aracely Quispe parte
de la NASA
Despues de una breve descripcion del
LRO, presentamos una entrevista a
Aracely Quispe que trabaja en la NA-SA
con este orbitador, y le pedimos
que nos cuente algunas de sus expe-riencias.
Aracely Quispe,
estudio Ingeniera de
Sistemas en Peru. En
seguida, decidio es-tudiar
una segunda
carrarera profesional
en Ingeniera As-tron
autica en Capitol
College, Maryland -
USA.
Tambien realizo una maestra en In-genier
a Astronautica en la misma
universidad (especializado en Ciencias
y Tecnologa). Sus grados de espe-cializaci
on son: Ingeniera Tecnologi-ca
Espacial e Ingeniera Tecnologica
Electrica en Prince George's Commu-nity
College, Maryland - USA. Ac-tualmente
forma parte del equipo de
ingenieros de la mision LRO de la NA-SA,
en el centro de vuelos espaciales
GODDARD ubicado en Maryland -
USA. En la Tabla 1 presentamos al-gunos
de sus premios y reconocimien-tos.
A seguir presentamos la entrevis-ta
realizada.
Premios y/o reconocimientos
Reconocimiento por la mision LRO-NASA:
Por comandar exitosamen-te
la aeronave LRO en situaciones
crticas y haber apoyado al equipo
de ciencias a lograr sus metas y ob-jetivos.
Estudiante honorada por la Aso-ciaci
on Internacional de Estudiantes
Phi Kappa, USA.
Reconocida por el Consulado Pe-ruano
en Washintong D.C. como
ejemplo a los jovenes peruanos en
EE.UU.
Podra describirnos en forma ge-neral
los aspectos o tareas mas im-portantes
del proceso de comandar
una aeronave espacial?
A.Q.: Este proceso se basa en mane-jar
el satelite a traves de sistemas de
computadoras (implementados en dife-rentes
plataformas de sistemas operati-vos),
y comandos especiales dise~nados
para permitir su comunicacion. Existen
mas tecnologas en conjunto que permi-ten
un alto rendimiento en el cuidado de
la aeronave y su telemetra.
Fig. 3: Aracely en Space Flight Center Goddard (Visitor Center),
Maryland - USA |Fuente: Aracely Quispe Neyra.
Mediante que tecnicas o metodos
manipulan este satelite?
A.Q.: Mediante sistemas de comuni-caciones,
el cual requiere de antenas
localizadas en diferentes ubicaciones
geogra
144. cas. Usamos antena S-Band
para telemetra y comandos, y K-Band
antena para capturar a tierra
los datos de ciencias del satelite LRO.
Que tipo de tecnologa utilizan pa-ra
realizar sus operaciones?
A.Q.: Tecnologa de punta, tanto pa-ra
los equipos de hardware y software,
en los sistemas de tierra y aeronave.
Altas frecuencias de comunicacion, y
tambien medidas de seguridad a la
informacion, las cuales cuidan la te-lemetr
a que llega a tierra de manera
constante.
Cuan importante fue para usted
haber estudiado Ingeniera de Sis-temas,
que hasta el momento es una
de las carreras mas cercanas a Cien-cias
de la Computacion en el Peru?
A.Q.: La educacion en el Peru me
ayudo parcialmente a culminar mi
segunda carrera en Ingeniera As-tron
autica en USA. Creo que podemos
invertir mas en investigar y en desa-rrollar
con nuestros estudiantes, antes
que manejar y seguir modelos ya esta-blecidos.
Siempre digo que el estudio
es la mejor llave de superacion |las
carreras de ingeniera a nivel universal
ayudan a innovar, pero el estudiante
es el que tiene el compromiso de seguir
descubriendo, aprendiendo y aportan-do
segun su vision profesional.
Que esfuerzos y logros te llevaron
hasta la NASA?
A.Q.: Son varios, en primer lugar creo
que el amor a DIOS y el creer con con-vicci
on que as como muchos, yo tambien
estaba dotada de talento para perseguir
una carrera prometedora y con total exi-to
fuera de Peru. As como tambien mi
perseverancia y mi compromiso como es-tudiante
y como profesional, ademas de
la ambicion de ser competente en la in-dustria
aeroespacial. El deporte sin du-da
tambien cumplio un rol psicologico
muy importante en mi formacion tan-to
academica como personal. Puesto que
creo que la disciplina es un factor cru-cial
para perseverar en cualquier area o
ambito de estudio.
El haber sido una estudiante destaca-da
y becada por la Fundacion Nacional
de Ciencias en USA, pertenecer a la
Asociacion Internacional de Honores Phi
Theta Kappa y poder ser un ejemplo y
orgullo para los que valoran mi esfuer-zo
y trabajo; como lo son mi familia, los
ni~nos, y jovenes del Peru y latinoamerica.
Puedes hablarnos un poco sobre la
investigacion que estas realizando a
cerca de los glaciares del Peru?
A.Q.: Como Investigadora y parte de mi
trabajo de tesis en mi maestra he realiza-
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 19 / 56
145. CompuScientia , Vol. 3 No. 1 MOTIVATE! Diciembre, 2013
do un estudio de investigacion cient
146. ca
sobre la desglaciacion del nevado Quelc-caya
en el Cusco, esta investigacion es de-nominada:
Decadal Time Scale Changes
in the Area of Quelccaya Ice Cap from
Landsat -7 Satellite Imagery.
En este estudio se viene investigando
el descenso glaciar en este nevado desde
el a~no 1975 al 2012, usando imagenes
satelitales de alta resolucion de hasta 15
metros de altura de un satelite de NASA
llamado LANDSAT-7, junto a diversas
aplicaciones de software enfocados al ma-peo
y analisis espectral y geogra
147. co. A
su momento se ha encontrado un retro-ceso
glaciar en area de aproximadamente
31Km2 en los ultimos 37 a~nos |el cual
esta en proceso de publicacion.
Un estudiante de Ciencias de la
Computacion en Peru tendra opor-tunidad
de trabajar en la NASA?
A.Q.: Por supuesto, Ciencias de la
Computacion es una carrera muy prome-tedora
que les permitira ser parte de nue-vos
equipos de trabajo para desarrollar
las multiples herramientas y tecnologa
que requiere la NASA para futuras mi-siones
en el espacio o cualquier agencia
aeroespacial enfocadas en software y tec-nolog
a. A su vez a manejar los diversos
sistemas de computacion y comunicacion
los cuales estan implementados en pla-taformas
de sistemas UNIX, Windows y
otros.
Y, Que requisitos necesitara?
A.Q.: Los requisitos principales seran:
Tomar la investigacion como un punto
esencial para desarrollar e implemen-tar
herramientas que permitan integrar
subsistemas dentro de sistemas globales,
aplicando la ingeniera de sistemas. Inte-grar
la tecnologa y herramientas que ya
existen para innovar y aumentar la efecti-vidad
y calidad de los sistemas que se les
asignen. Y tambien tener el conocimiento
de Seguridad en la Informacion, un tema
que hoy en da preocupa al mundo, sin
embargo esta abriendo mucho campo y
necesidad laboral en esta industria.
Cuanta diferencia existe entre el
nivel academico de las instituciones
peruanas y las de Estados Unidos?
A.Q.: En EE.UU. usamos y aplicamos
mas la Tecnologa y las Ciencias. Ma-tem
atica y Fsica son areas importantes
para poder manejar sistemas o satelites
que orbitan en el espacio, el cual requie-re
que la currcula en ingeniera tome mas
clases en estas areas, as como tambien en
electronica avanzada. El sistema de edu-caci
on en el Peru, en lo personal, me ha
ayudado en mi formacion academica, pe-ro
tambien he tenido que seguir los re-quisitos
de la currcula en EE.UU para
obtener mi grado de master en Ciencias
en Ingeniera Astronautica.
Y, Cuanto Te costo adaptarte al
nivel academico de EE.UU. y en
particular a la NASA?
A.Q.: Me costo s, especialmente por el
idioma, pero por lo academico considero
que parcialmente tena ya lo requerido
para continuar mi segunda carrera.
Participas o te gustara participar
en eventos peruanos que promue-van
la investigacion? A.Q.: S, tengo
muchos eventos en la cual he sido invi-tada
y cada vez que visito Peru gustosa-mente
asisto y participo. Algunas otras
las realizo por video conferencia. La in-vestigaci
on es mi pasion y me identi
148. co
mucho en el area, y por ende en su difu-si
on. He sido invitada como expositora en
feria EXPOTIC 2013 lo cual realice vo-luntariamente
por tres das consecutivos
en Junio 2013.
Fig. 4: Aracely en eventos {Fuente:
Aracely Q. N.
Si tuvieras la oportunidad de
cambiar o mejorar la produccion
academica en el Peru, que suge-rir
as?
A.Q.: Inculcara un mejor plan en la
investigacion entre los estudiantes. Que
se toquen mas areas de estudio donde
no solo se conozca de las ciencias, inge-nier
a y tecnologa, si no que se aplique
a diversos modelos que se manejan en
todo el mundo y que son una necesidad
para poder competir en cualquier pas o
proyecto. Solicitara que todas las uni-versidades
ofrezcan un sistema educativo
de calidad veri
149. cada y aceptada por los
estandares ISO. Y tambien que se exija
seriamente el dominio hablado y escrito
de un segundo idioma como el ingles
para poder informarnos con facilidad so-bre
las investigaciones mas recientes. Y
as tambien tener mas oportunidades de
cali
150. car para las diversas becas y entre-namientos
que ofrece EE.UU, Canada y
Europa y que por falta de informacion
y del conocimiento lamentablemente se
pierden.
Cuan lejos estamos de tener una
institucion como la NASA en Peru?
A.Q.: No sabra responder que tan lejos,
pero s puedo decir que el Peru esta te-niendo
un crecimiento remarcable y en-tre
ello se que estamos a punto de ad-quirir
nuestro primer satelite terrestre, y
eso es un inicio crucial para la nacion en
terminos de seguridad nacional y de in-vestigaci
on. Sin duda ello abrira las puer-tas
a mas investigacion y porque no de-cirlo,
a crear este tipo de carreras en el
Peru como ingeniera Astronautica, Ae-ron
autica, y Aeroespacial y por ende a
una base aeroespacial futura.
Fig. 5: En la UNMSM-Peru con
mujeres TEC |Fuente: Aracely Q.
Que opinas de que a nivel mundial,
las mujeres estan cada vez mas in-mersas
en el mundo de la tecnologa
y computacion?
A.Q.: En verdad, esto ya no creo que
es ni debera ser mas un estereotipo,
de que solo los hombres pueden so-bresalir
en estas areas de estudio. Y
eso se esta viendo re
ejado en diver-sos
pases del mundo y considero que
el Peru es uno de ellos. Las mujeres
podemos realizar y lograr cosas remar-cables
tambien en estas areas y lo mas
importante es que es grati
151. cante saber
del aporte que podemos hacer a la so-ciedad
y en mi caso a la humanidad a
traves de nuestro conocimiento, expe-riencia
y trabajo. Sin duda, esto no es
competitividad entre genero sino mas
bien es un crecimiento y contribucion
a traves de la tecnologa, ingeniera y
ciencias.
En mi caso pertenezco a la Socie-dad
de Ingenieras Mujeres en USA
(SWE { Society of Women engi-neers),
en donde mensualmente ve-mos
diferentes temas de interes y de
contribucion en estos temas a
152. nes.
Realizamos conferencias y nos abri-mos
nuevos horizontes en esta area de
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 20 / 56
153. CompuScientia , Vol. 3 No. 1 MOTIVATE! Diciembre, 2013
estudio enfocado a como crecer pro-fesionalmente
y la remarcable labor
que las mujeres estan realizando en
America.
Cuales son tus expectativas de
aqu a 5 a~nos?Quiza seguir traba-jando
en la NASA?
A.Q.: Son varias: seguir trabajando en
mi doctorado enfocado al dise~no de
satelites y al estudio en ciencias de la tie-rra;
culminar mi libro que publicare el
proximo a~no, donde hablo de los factores
mas importantes que me han ayudado a
lograr mis metas venciendo las diversas
adversidades, a pesar de haber proveni-do
de una familia humilde y haber es-tudiado
en colegios de zona rural. Quie-ro
a traves de ello motivar a los jovenes
peruanos a que aun sabiendo que nada
es facil en cualquier carrera universita-ria,
siempre hay opciones para encontrar
los recursos que nos ayuden a culminar
con exito nuestras metas y ese fue mi ca-so.
Tambien formare parte de una expedi-ci
on para dos documentales de temas en-focados
en aplicar ingeniera astronautica
para analizar sistemas terrestres.
Y, Pensaste en viajar al espacio?
A.Q.: Lo del espacio podra ser a largo
plazo, no es algo que desee hacer por aho-ra,
a lo contrario por ahora me motiva
mas enfocarme a contribuir a la comuni-dad
cient
154. ca desde tierra, a traves de mi
investigacion, implementacion y manejo
de las diversas tecnologas que NASA
maneja; con el
155. n de aportar a futuros
descubrimientos que son una seria ne-cesidad
por las personas de diferentes
partes del mundo. Como ejemplo pue-de
ser que actualmente como una parte
de mi trabajo en la Mision LRO (El
orbitador que estudia-mapea la Luna)
contribuyo al estudio y al entendimiento
de los rayos cosmicos y radiacion lunar
y ver as de que manera esto nos puede
ayudar o afectar a corto o largo plazo.
Estos son unos de mis temas de interes a
corto plazo.
Finalmente, Que podras decirles
a los lectores que desean estudiar
Ciencias de la Computacion o ra-mas
a
156. nes?
A.Q.: Son carreras altamente promete-doras,
carreras de hoy y de siempre, no
del futuro porque son ahora mismo una
necesidad de aporte a la humanidad en
general. A traves de la tecnologa y cien-cias
manejamos no solo empresas, si no
sectores de desarrollo en un pas. Estas
carreras no solo son complementadas, si
no tambien requeridas entre diferentes
areas de estudio; por ello requieren de in-vestigaci
on y actualizacion constante. En
mi opinion, son carreras destacadas y de
mucho aporte, y la necesidad de su cono-cimiento
cada da va en ascenso.
Finalmente
Agradecemos a Aracely Quispe por su
colaboracion, compartiendo su expe-riencia
con nosotros, que de seguro va
a motivar a muchos a seguir sus obje-tivos
y metas.
Como hemos visto la Computacion
y las TICs tienen muchos campos de
accion y son indispensables en una or-ganizaci
on, dependiendo de la mag-nitud
de esta. Las organizaciones in-ternacionales,
enfocadas en software
y tecnologa necesitan de la compu-taci
on y las TICs, para seguir desa-rrollando
nuevas tecnologas, hacien-do
investigacion, etc. como es el ca-so
de la NASA, donde Aracely Quispe
trabaja.
Referencias
[1] Planetary data system,
http://pds.nasa.gov/, 2013.
[2] Talk:list of space agencies,
http://bit.ly/1dM8vZc, 2013.
[3] Chin G. et al., Lunar
reconnaissance orbiter overview:
the instrument suite and mission,
Space Science Reviews 129
(2007), no. 4, 391{419.
[4] NASA, Space communications
and navigation,
http://1.usa.gov/1kcCZRH,
2013.
Rosa Virginia Encinas Quille
Recibio el grado de Bachiller en Ingeniera de Sistemas en la Universidad Nacional del
Altiplano (Puno, Peru), de la promocion 2007. Realizo estudios de maestra en Gerencia
de Tecnologas de Informacion y Comunicaciones en la misma Universidad, promocion
2009. Actualmente, esta culminando una maestra en Ciencias de la Computacion en la
Universidad de S~ao Paulo (GBDI-ICMC-USP, S~ao Carlos, Brasil).http://www.icmc.usp.
br/~encinas/
MOTIVATE
Cloud Computing para terrenales
El termino cloud computing involucra diversas tecnologas y aspectos. A traves de este artculo me
propongo despejar el clima tecnologico para ayudar a visualizar y comprender mejor de que se trata
esta computacion en la nube. Finalmente, explicare un caso de implementacion de un cloud privado
en la Universidad Catolica San Pablo basado en la plataforma Eucalyptus.
Rudy Godoy, Arequipa
Los ultimos a~nos el termino cloud
computing se ha difundido de mane-ra
acelerada. La de
157. nicion de cloud
computing del National Institute of
Standards and Techonology - NIST [1]
se~nala:
Cloud computing is a
model for enabling ubi-quitous,
convenient, on-demand
network access to
a shared pool of con
158. gu-
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 21 / 56
159. CompuScientia , Vol. 3 No. 1 MOTIVATE! Diciembre, 2013
rable computing resources
(e.g., networks, servers,
storage, applications, and
services) that can be ra-pidly
provisioned and re-leased
with minimal ma-nagement
eort or service
provider interaction.
Segun esta de
160. nicion, son carac-ter
sticas esenciales del cloud compu-ting:
On-demand self-service que se
re
161. ere a la capacidad de reser-var
capacidades de computo sin
la intervencion humana con ca-da
proveedor del servicio,
Broad network access que se
re
162. ere la capacidad de acceso
esta disponible a traves de la
red, independiente del compu-tador
o dispositivo que se use
para acceder,
Resource pooling que se re
163. ere
a que los recursos de compu-to
estan dispuestos de manera
que puedan servir a multiples
clientes asignandolos de manera
dinamica,
Rapid elasticity que se re
164. ere a
que las capacidades de computo
se pueden asignar y liberar de
forma elastica, y
Measured service que implica
que los usuarios de estos servi-cios
pueden controlar y optimi-zar
el uso de recursos a traves de
las capacidades de metricas.
Adicionalmente, existen modelos
de servicio en cloud los cuales son:
Software as a Service (SaaS), Plat-form
as a Service (PaaS), e Infrastruc-ture
as a Service (IaaS). Finalmente,
se tienen los Deployment Models que
son: Private cloud, Community cloud,
Public cloud, Hybrid cloud y los cua-les
describiremos en detalle posterior-mente.
La primera parte del artculo
esta orientada a explicar los modelos
de servicio y los modelos de despliegue
el cloud. Se busca explicar con ejemplo
concretos cada uno de estos aspectos
y las tecnologas involucradas. En la
segunda parte del artculo se aborda
el caso de la implementacion de un
entorno cloud privado en la Univer-sidad
Catolica San Pablo, Arequipa.
Esta plataforma implementa el mode-lo
de servicio IaaS.
Modelos de despliegue
Los modelos de despliegue se re
165. e-re
a las diferentes formas en las que
se puede desplegar una infraestructu-ra
de cloud computing. Estas son:
Public Cloud
Se denomina Public Cloud a las
plataformas de cloud que estan dispo-nibles
de manera publica, lo cual per-mite
que cualquier persona u organi-zaci
on las emplee para sus necesidades
computacionales, usualmente median-te
un pago previo.
Amazon Web Services
Este modelo de despliegue es ope-rado
por un proveedor del servicio
quien, usualmente por medio de un
pago, permite a sus clientes el uso de
su infraestructura en demanda. Entre
los proveedores mas reconocidos tene-mos
a Amazon Web Services (AWS),
lder en la industria y el primero en
ofrecer la computacion en la nube
de manera comercial. Ademas de es-to,
AWS tambien ha implementado un
API (Application Programming Inter-face)
para este servicio y otros que
tambien ofrece bajo la modalidad de
en demanda. Otro proveedor de pla-taforma
cloud publico es Azure, ope-rado
por Microsoft. Esta plataforma
data del a~no 2010 y ademas de so-portar
las propias tecnologas de Mi-crosoft,
tambien lo hace con entornos
basados en Linux. Finalmente, estan
proveedores como Rackspace, etc.
Private Cloud
Se denomina Private Cloud a las
plataformas cloud que se implementan
en un entorno privado en el que sola-mente
los que cuentan con acceso a
este pueden hacer uso de tal platafor-ma.
Se puede equiparar esta presenta-ci
on de cloud a los servicios basados en
tecnologas de Internet, denominados
Intranet.
Eucalyptus
Esta presentacion del cloud per-mite
a las organizaciones contar con
productos y tecnologas equiparables
a las que estan disponibles en servi-cios
de cloud publico, preservando la
con
166. dencialidad y seguridad de la in-formaci
on que se gestiona en la orga-nizaci
on.
En el caso del cloud privado no
existen proveedores del servicio, pues-to
que cada organizacion implementa
su propia infraestructura de servicio.
Sin embargo, s existen tecnologas
que hacen posible la implementacion
de tales plataformas. Entre los pro-ductos
que permiten este tipo de im-plementaciones
tenemos: Eucalyptus,
OpenStack, CloudStack, etc. La ma-yor
a de estos productos se desarrollan
bajo un modelo open-source.
Hybrid Cloud
Se denomina Hybrid Cloud a una
forma de uso de tanto de una private
cloud en conjunto con infraestructu-ra
de public cloud. Esta presentacion
del cloud no es de por s una forma
de despliegue sino se puede ver como
un modelo de arquitectura cloud que
intenta aprovechar lo mejor de ambas
presentaciones.
El Hybrid Cloud es una apuesta
para las organizaciones que pensando
en mantener la privacidad y seguridad
de la informacion que gestionan, quie-ren
emplear tecnologas y capacidades
que ofrece el cloud computing de ma-nera
que puedan efectuar sus procesos
y servicios de la mejor forma para bien
de sus clientes internos y externos.
Modelos de servicio
Los modelos de servicio en cloud
computing son las diferentes formas en
las que se puede hacer uso de la plata-forma,
en sus distintos niveles o capas
en la arquitectura de software como
son: sistema operativo, middleware de
aplicacion, aplicaciones de usuario
167. -
nal.
Sociedad de Estudiantes de Ciencia de la Computacion - SECC 22 / 56
168. CompuScientia , Vol. 3 No. 1 MOTIVATE! Diciembre, 2013
Modelos de servicio cloud
Infrastructure as a Service
Infrastructure as a Service(IaaS)
se enfoca en la virtualizacion de la
infraestructura de computacion. Esta
infraestructura se re
169. ere a los recur-sos
de computacion que se encuentran
usualmente en un centro de datos, co-mo
son redes, computadores, almace-namiento.
Este modelo de servicio principal-mente
esta orientado a arquitectos de
red o plataforma. Ellos de
170. niran sobre
esta la arquitectura del servicio y la
distribucion de los recursos de compu-to,
as como la forma en la que los
usuarios
171. nales de estos recursos los
utilizaran.
Platform as a Service
Platform as a Service (PaaS)
esta orientado principalmente a desa-rrolladores
de aplicaciones para usua-rio
172. nal. Bajo este modelo los desa-rrolladores
de aplicaciones pueden ele-gir
la forma en como se despliegan las
aplicaciones y los recursos de computo
y stack de la aplicacion, as como des-de
aspectos como la disponibilidad,
escalabilidad, continuidad de negocio,
etc.
Un caso de uso comun es cuando se
crea un producto de software. En lu-gar
de contratar un hosting, con
173. gu-rar
el sistema operativo con los com-ponentes
necesarios para ejecutar la
aplicacion, gestionar la seguridad, etc.
el equipo accede a este tipo de servi-cios
en donde de
174. ne los recursos de
computo que necesita inicialmente, el
stack de componentes para ejecutar la
aplicacion, el almacenamiento de da-tos
y procede a desplegar la aplica-ci
on. La aplicacion se con
175. gura au-tom
aticamente y se sirve inmediata-mente.
Una de las caractersticas intere-santes
de este tipo de servicios es que
se integra perfectamente con el con-junto
de herramientas que los desa-rrolladores
usan en su da a da. Por
ejemplo, el servicio hace una copia del
repositorio de control de versiones y
cada vez que recibe un push (en git)
efectua el despliegue de una nueva ver-si
on de la aplicacion. De este modo,
el equipo de desarrollo puede incluir
estos procesos en el ciclo de vida del
software.
Este tipo de servicio es ofertado
generalmente en modo publico, sin
embargo, tambien existen alternativas
para emplearlo en modo privado. En-tre
los principales proveedores de es-te
tipo de servicio tenemos a Heroku,
que fue el pionero en el mercado junto
con Engine Yard, Google App Engine,
y recientemente Openshift Online de
RedHat, que tambien ofrece una ver-si
on para uso en entornos privados.
Software as a Service
Software as a Service (SaaS) es
un modelo de distribucion de softwa-re
que aprovecha las capacidades de
Internet para llegar a un gran nume-ro
de clientes. Es una alternativa al
tradicional modelo de distribucion de
aplicaciones para desktop o dispositi-vos
moviles en donde el cliente adquie-re
el software o una licencia que le da
derecho a usarlo en uno o mas dispo-sitivos.
Este modelo de servicio esta orien-tado
a cualquier persona que requiera
hacer uso de un determinado softwa-re
para sus
176. nes particulares. Aqu es
donde la oferta de aplicaciones es
abundante. El usuario de este servicio
principalmente hace uso de la aplica-ci
on cuando lo necesite y desde donde
lo necesite. Esto le permite gran
e-xibilidad
puesto que no esta atada a
algun equipo, licencia o costo
177. jo.
Entre las ventajas para el desa-rrollador
de la aplicacion que se ofre-ce
bajo este modelo se pueden men-cionar:
capacidad de efectuar mejora
continua del producto, la cual bene-
178. cia a todos sus usuarios, capacidad
de mejorar la aplicacion gracias a las
metricas y analytics, ofrecer un mejor
nivel de soporte, etc.
Google Mail o Gmail, Google Apps
(incluyendo la suite de o
179. cina), Atlas-sian
JIRA OnDemand, Trello, Sales-force,
Mixpanel, Marketo, AppDyna-mics,
SAP Business By Design, son
algunos de las aplicaciones distribui-das
bajo el modelo SaaS. Hay que
se~nalar que este modelo no esta ne-cesariamente
vinculado a un modelo
de negocio en particular o al pago por
el servicio. Existen aplicaciones bajo
este modelo que no tienen costo. Sin
embargo, el modelo mas difundido es
el cobro de un monto
180. jo por mes o
anual con variaciones que dependen
del numero usuarios o uso de recur-sos.
Un cloud privado en la UCSP
Una de los bene