revista

REVISTA DE CIENCIA DE Ciencia y Tecnología LA COMPUTACIÓN Grupo de Investigación IPRODAM3D Vol. 5 N° 1 Octubre 2019

REVISTA DE CIENCIA DE LA COMPUTACIÓN IPRODAM3D Research Groups ÍNDICE INTRODDUCCIÓN Relación entre Investigación, Enseñanza y Aprendizaje p. 2 INVESTIGACIÓN EN CIENCIA DE LA COMPUTACIÓN Método Jerárquico basado en Grafos p. 4 A method to extract visual encodings from map chart images p. 8 Automatic Gun Detection using Fast-RCNN on extreme illumination conditions p. 11 ARTÍCULOS DE OPINIÓN Competitive programming, start now! p. 13 Inquisitive mind as a key for researching p. 17 Mujeres en ciencia de la computación p. 19 La educación en línea, entre la evolución o el fracaso p. 21 Ciencia de la computación y medicina en la era de Big Data p. 23 EMPRENDIMIENTO E INNOVACIÓN Software, innovación y empresa p. 25 ESPACIO PARA ESTUDIANTES Mi experiencia en Grace Hoper Celebration 2019 EDITOR Dr. Cristian López Del Alamo [email protected] COLABORADOR Msc. Elian Laura Riveros http://ulasalle.edu.pe

Universidad La Salle - Arequipa INTRODUCCIÓN Vol. 5 No 1, Diciembre 2019 2 / 27 Relación entre Investigación, Enseñanza y Aprendizaje Doctor en Ciencia de la Computación, Director general de Investigación de la Universidad La Salle de Arequipa, Director del grupo de investigación IPRODAM3D. Investigador en el área de geometría computacional, Deep Learning y machine learning 12 años, y de la Universidad Nacional de San Agustín, desde el 2003 hasta la fecha, con una interrupción de algunos años, por motivos diversos; y aprendí mucho en cada clase, con cada pregunta y con cada duda de mis alumnos. En ambas universidades, siempre fui calificado como uno de los mejores profesores, pero nunca lo hacía pensando en tener una buena calificación por parte de los alumnos. Lo hacía porque el verdadero motivo de enseñar era aprender, y la mejor forma que tenía para verificar que había aprendido algo nuevo y, además, que lo había entendido perfectamente, era trans- mitiendo el conocimiento y verificando que ese conocimiento había sido absorbido de manera clara y contundente, por mis estudiantes. Dr. Cristian López Del Alamo Además, tenía presente que algunos de mis profesores uni- versitarios dictaban siempre los mismos tópicos, los mismos Enseñanza ejemplos, los mismos ejercicios, los mismos exámenes; de se- Era 17 de enero de 2003. Tenía 21 años, y ya había ter- mestre a semestre, de año en año, e incluso, de una Universidad minado la Universidad. Aún no tenía claro lo que iba a hacer, a otra. Podía sentir, por medio de su tono de voz, monótona y pero sabía muy bien que una de mis mayores pasiones eran los repetitiva, el cansancio y el hartazgo de la rutina, algo que, defi- números y la programación, además de tener unas ganas casi nitivamente no quería para mi. No estaba interesado en hacer lo patológicas de aprender cosas nuevas todo el tiempo. mismo todo el tiempo. Había muchas cosas nuevas por apren- Ese día, mientras pensaba qué haría de mi vida, recibí una der, y la mejor forma de hacerlo era enseñando, aprendiendo, y llamada telefónica de un gran profesor y, ahora, un gran amigo. divirtiéndose en el proceso. Era el profesor Wilber Ramos Lovón, quien me invitó a formar parte del equipo de profesores de la Universidad Católica San Hasta aquí, mi primera lección fue “Aprende para ense- Pablo, que en ese tiempo no era conocida, pues recién tenía ñar y enseña para aprender.” unos pocos años de funcionamiento. Nunca antes había dictado clases pero había explicado, al- Aprendizaje gunas veces, a amigos mios y compañeros, diversos trabajos, En los años en que impartí clases en la Universidad Cató- tareas o tópicos que entendía bien. Ahí me di cuenta que la lica San Pablo y en la Universidad Nacional de San Agustín, mejor manera de aprender era enseñando, y que solo cuando conocí a muy buenas personas y amigos, quienes regresaron entiendes algo completamente bien, eres capaz de transmitirlo de concluir sus estudios de Maestría y Doctorado en diversas con cierta facilidad y hacer que otros te entiendan relativamen- universidades de Brasil, Chile y otros lugares. Algunos se in- te rápido. Así que, dado que ya había saboreado antes el placer corporaron a la Universidad Católica San Pablo y otros a la de aprender por medio de la enseñanza, decidí aceptar. Universidad Nacional de San Agustín y, todos ellos, tenían una Formé parte del equipo de profesores de la carrera de Cien- visión muy distinta a muchos de mis profesores y colegas de cia de la Computación de la Universidad San Pablo por casi mayor edad que no habían salido, y que, posiblemente, habían sido absorbidos por el sistema. Un sistema lento, monótono, repetitivo. Un sistema, que quizá, a algunos, los envolvió y les arrebató el placer de ha- cer cosas nuevas y diferentes, de aprender y seguir creciendo © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa INTRODUCCIÓN Vol. 5 No 1, Diciembre 2019 3 / 27 intelectualmente. Así que, fue exactamente ese nuevo grupo área de geometría computacional y de hacer crecer esta línea de personas, con experiencias enriquecedores y con ánimo de de investigación. Recuerdo que nos reuníamos todos los sá- cambiarlo todo lo que yo necesitaba y andaba buscando. Fue bados, con 8 estudiantes de diversas universidades. Todos con ese grupo de personas el que alzó la valla de mis retos, el que la meta de aprender cosas nuevas, de resolver preguntas, y hizo más dinámico mis días, y el que, en conjunto con alum- desarrollar algoritmos y programas relacionados al análisis de nos, cada vez más preparados, con preguntas más profundas e cuerpos no rígidos y modelos 3D. interesantes, transformó los días de preparación de clases, en días de aprendizaje constante. Estudiábamos y debatíamos unas 3 horas seguidas, y lue- go, solíamos jugar baloncesto en la cancha de la Universidad Sabía que, al menos en mi caso, me sería imposible salir La Salle de Arequipa, donde actualmente trabajo desde el año de Perú para hacer un Doctorado del nivel que me habría en- 2012 y donde, para ser honestos, me siento como en casa, pues cantado hacer; sin embargo, estaba completamente seguro de la Universidad La Salle, siempre me dio las facilidades para mis habilidades, de mi capacidad para aprender y sobretodo, investigar con mi grupo sin importar de que institución sean los de lo más importante, la motivación que tenía por saber hoy alumnos que conforman el equipo. más que ayer y mañana más que hoy. Así que, estudiando el Doctorado en la Universidad Nacional de San Agustín, conocí El 2015 invitamos a Alex Bronstein, quien vino desde Is- a Benjamín Bustos, director de Investigación del grupo Prisma rael, por 15 días y dio un excelente curso intensivo sobre análi- en Chile, quien me invitó a una pasantía en la Universidad de sis de cuerpos no rígidos. Al finalizar el curso, jugamos todos Chile en Santiago. En esta corta estancia, aprendí mucho y, los participantes y Alex incluido, un muy divertido partido de literalmente, me enamoré, de la geometría computacional, y baloncesto. Una experiencia que marcó a muchos de los chicos específicamente del análisis de cuerpos no rígidos. Además, que estaban en el grupo y, desde entonces, algunos fueron a conocí a Iván Sipiran, un joven peruano, que en ese tiempo la Universidad de Tel Aviv en Israel, y realizaron una pasan- terminaba su doctorado en Ciencia de la Computación un jo- tía supervisada por Alex Bronstein. Varios alumnos del grupo ven con un gran talento, y además una gran persona. A ambos, terminaron su Maestría en el área de cuerpos no rígidos, y les debo el primer golpe de pasión por el área y mucho de lo actualmente, dos de ellos están en la Universidad Zurich ini- aprendido. ciando su Doctorado. De regreso a Perú, sabía que quería hacer un doctorado de El grupo continúa vivo, tiene gente nueva, mentes frescas y verdad, es decir, un doctorado bien hecho, y aprender las cosas jóvenes con mucho talento, con quienes nos hemos reunido to- como tenía que ser, a profundidad. En ese tiempo, en Perú, no dos los sábados durante todo un año, aprendiendo las bases de había nadie trabajando en esa línea, así que me puse a buscar Deep Learning para pensar nuevas formar de aplicar técnicas a los mejores en el mundo en el área de cuerpos no rígidos, de Machine Learning al análisis de cuerpos no rígidos y junto y me logré contactar con Alex Bronstein quien trabaja en el a Iván Sipiran y su equipo de investigación, estamos desarro- área desde hace muchos años y quien es un referente a nivel llando un proyecto para la reconstrucción de vasijas pre-Incas mundial en geometría computacional. mediante técnicas de Deep Learning. Un proyecto que hace que los chicos del grupo pongan a prueba toda su imaginación Alex Bronstein, me guió y me dio luces de muchas cosas en y sus ganas de aprender. las que me encontraba estancado, tuve muchas conversaciones por email con él y, aunque no lo conocía en persona, podía La última lección fue “Uno no investiga por que es un re- notar, por como respondía y por como me encaminaba, de su quisito para ser profesor Investigador, uno debe investigar gran capacidad intelectual. por que ama hacerlo, por que es parte de su vida, y porque finalmente es la mejor manera para aprender y enseñar” La siguiente lección fue “El aprendizaje es un proceso constante, y si puedes aprender de los mejores, no desper- Conclusiones dicies la oportunidad. Lo único que te detiene es creer que no puedes.” Investigación La investigación es un proceso indispensable para enseñar En el año 2014, luego de sustentar mi tesis de Doctorado y aprender. Pues uno no puede enseñar lo que no sabe, o creamos el grupo de Investigación al cual llamamos IPRO- al menos no debería ser así, y uno no aprende aquello que DAM3D(“Image Processing and Data Mining 3D”), por sus no investiga, o al menos no debería, y finalmente, uno siglas en inglés, con el objetivo de seguir investigando en el no investiga aquello que no desea saber, o al menos no tendría que ser así. © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Investigación Vol. 5 No 1, Diciembre 2019 4 / 27 Método Jerárquico basado en Grafos para la Segmentación de Múltiples Regiones en Imágenes Leissi M. Castañeda Leon tiene un doctorado en ciencias de la computación por la Universidad de São Paulo. Durante su maestría y doctorado ha trabajado en áreas de visión computacional y procesamiento de imágenes. Actualmente trabaja en São Paulo, en una empresa de recursos humanos, liderando la área de inteligencia artificial Leissi M. Castañeda La participación con los 4 poster mencionados fue debido a las oportunidades que existen a través de workshops orientados a mujeres y latinos, a través de un proceso de envío de resúme- nes de tu trabajo de investigación. Hoy en dia, los auspiciadores de estos workshops, financian la mayor parte de tus gastos para participar tanto del workshop como de las conferencias princi- pales caso seas aceptado. Durante un panel en el workshop de mujeres del CVPR, fue realizada la siguiente pregunta: “What do you recommend for female researchers interested in starting a family? Does it look bad to be interviewing for postdocs/jobs while preg- nant?”. Particularmente, esa pregunta llamó mi atención, dado que nunca pensé en eso, y porque justamente luego de dos meses de finalizar mi doctorado y con 5 meses de mi segun- do embarazo, comencé a trabajar en una empresa de recursos humanos, liderando el área de inteligencia artificial, trabajando específicamente con procesamiento de lenguaje natural. Segmentación de Múltiples Regiones en Imágenes Introducción La segmentación de imágenes es una tarea fundamental en Una de las formas para incentivar la participación e incor- áreas como procesamiento de imágenes o visión computacio- poración específicamente de mujeres, en ciencias de la compu- nal, con un grande impacto en áreas como Medicina, Neurolo- tación, es compartiendo experiencias. De esta forma, comienzo gía e Inteligencia Artificial. Por ejemplo, en la área médica, la el artículo comentando algunas experiencias durante y después segmentación de imágenes puede ser usada para aislar regiones de mis estudios de doctorado para luego presentar, brevemente, correspondientes a diferentes órganos dentro de una imagen de el método propuesto en mi tesis de doctorado. resonancia magnética (MRI), ayudando a analizar sus formas, Realicé mi doctorado en el Departamento de Ciencias de volúmenes y texturas para diagnosticar enfermedades. la Computación del Instituto de Matemática y Estadística en la Universidad de São Paulo (IME-USP), graduándome en mar- En este caso, usualmente tenemos obstáculos como ruido, zo de este año. Durante mi doctorado trabajé proponiendo un bajo contraste y la complejidad de las regiones, entonces la in- nuevo método para la segmentación de múltiples regiones en corporación de conocimiento tanto individual para cada región imágenes modelando tanto características individuales de las como estructural es importante para mejorar los resultados. Sin regiones como la relación jerárquica entre las mismas, en una embargo, muchos de los métodos clásicos propuestos en la li- única energía de optimización. Los resultados fueron presen- teratura, no incluyen esas informaciones en conjuntos en una tados en una conferencia internacional [3], un journal [1], un única energía de optimización e se encuentran limitados para capítulo de un libro [?] y en 4 presentaciones de poster en algunos casos en particular. workshops de conferencias internacionales como el ECCV, NeurIPS, ICML y CVPR. Método propuesto: HLOIFT Para superar los problemas mencionados, proponemos el método jerárquico en capas basado en grafos llamado: Hie- rarchical Layered Oriented Image Foresting Transform © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Investigación Vol. 5 No 1, Diciembre 2019 5 / 27 (HLOIFT) como un método eficiente para la segmentación de Dividiremos los resultados en tres partes: 2D HLOIFT, 3D múltiples regiones. HLOIFT y HLOIFT con superpixels. Usamos imágenes médi- cas, naturales y sintéticas, compuestos de múltiples regiones. Formulamos la integración, en una única energía de optimi- 2D HLOIFT zación, de las características individuales de cada región como: polaridad en el borde y restricción de forma, junto con rela- En cuanto a nuestros resultados, primero comenzamos ciones jerárquicas entre regiones como: inclusión y exclusión. comparando, de forma cualitativa, nuestro método respecto Nuestro nuevo algoritmo propuesto cuenta con su prueba de de la versión de múltiples regiones de la IFT (Image Foresting correctitud y conserva un bajo costo computacional. Transform) [6] y de la versión jerárquica del algoritmo min- cut/max-flow [7] INPUT HLOIFT OUTPUT En la Figura 2, tenemos la comparación entre HLOIFT y el método de múltiples regiones de la IFT (Image Foresting . Image: I 1*. Set of object-digraph construction . Labeled image Transform) [6]. . Set of seeds 2*. Hierarchical digraph construction . Priors for objects 3*. Energy optimization Usamos una imagen CT de la región abdominal de [2] pa- . Tree of Relations: h ra segmentar 6 regiones: pulmón derecho (O1), hígado (O2), . Parameter of distance: corazón (O3), pulmón izquierdo (O4), aorta (O5) y la región abdominal (O6). Consideramos polaridad de contorno de oscu- 4 ro para claro para O1, O4 y restricción de forma para O2 y O3, h3 y polaridad de contorno de claro para oscuro para O5 y O6. Claramente, los resultados obtenidos por el HLOIFT son más 12 cercanos al ground-truth en comparación con los resultados obtenido por la IFT. Figura 1: Visión general de nuestro método. Dado los parámetros de entrada, un grafo jerárquico de capas (digrafos), es construido considerando las restricciones jerárquicas de inclusión (linea solida) y exclusión (línea punteada) entre las regiones, y luego una medida de corte en grafo es optimizada por nuestro algoritmo. Finalmente, tenemos una imagen etiquetada como resultado. La Figura 1 muestra una visión general de nuestro método Figura 2: Segmentación de una imagen CT abdominal. HLOIFT obtiene un propuesto. Dada una imagen de entrada, un conjunto marcado- resultado similar al ground-truth manual dado, a diferencia del resultado obtenido res (seeds) para algunas regiones, y un árbol de relaciones (h) entre las regiones, nuestro método HLOIFT tiene los siguientes por la IFT. pasos: (1) Primero se crean un conjunto de m capas, donde cada En la Figura 3, mostramos la comparación entre HLOIFT capa representa una única región. Cada capa es construida co- y la segmentación jerárquica de múltiples regiones con el algo- mo un digrafo con pesos resaltando las características propias ritmo min-cut/max-flow [7], para la segmentación de una flor. de cada región como polaridad en el contorno y restricción de forma. Resolución en (pixels) HLOIFT (ms) Min-cut/max-flow (ms) 380 × 320 (2) Luego, se crea un digrafo jerárquico de capas H. 760 × 640 114.65 323.61 HLOIFT define el setup para las conexiones entre las capas con 488.62 1,798.91 pesos −∞ o ∞, representando las restricciones jerárquicas de 1520 × 1280 1,823.55 19,021.71 inclusión y exclusión definidas través de h. Adicionalmente, se considera un parámetro ρ que indica la mínima distancia que Cuadro 1: Los tiempos de ejecución para la segmentación de una flor por el HLOIFT y el debe existir entre contornos de las regiones de diferentes capas. min-cut/max-flow considerando un grafo en capas y usando diferentes resoluciones de imagen. (3) Finalmente, ejecutamos el algoritmo de la HLOIFT para computar un corte óptimo sobre el digrafo jerárquico basado en En general los resultados son similares para ambos méto- capas H, dando como salida una imagen totalmente etiquetada. dos. El algoritmo de min-cut/max-flow genera resultados con Adicionalmente, fue propuesto dos extensiones del método: 3D contornos más suaves, pero algunas veces esto conlleva a tener HLOIFT y HLOIFT con superpixels bajo el mismo esquema errores en parte más finas de la región, como los pétalos (Figu- que la HLOIFT original. ra (3b)). Además de ser capaz de computar resultados óptimos globales con restricciones jerárquicas arbitrarias, el método Resultados experimentales HLOIFT propuesto también tiene mejor tiempo de ejecución comparado con el del min-cut/max-flow. El cuadro 1 mues- tra los tiempos de ejecución usando diferentes resoluciones de imagen y una laptop Intel Core i3-5005U CPU 2.00GHz ×4. © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Investigación Vol. 5 No 1, Diciembre 2019 6 / 27 Dice coefficient 1 Dice coefficient 1 0.99 0.99 0.98 10 20 30 40 50 0.98 10 20 30 40 50 0.97 0.97 0.96 0.96 0.95 0.95 0.94 0.94 0.93 0.93 0.92 0.92 0.91 0.91 0.9 0.9 0 0 Erosion radius (pixels) Erosion radius (pixels) IFT HLGC IFT HLGC Relaxed IFT HLOIFT Relaxed IFT HLOIFT (a) (b) (c) (a) Hígado (b) Hígado con GSC Figura 3: Segmentación de dos regiones en una flor, la parte central en celeste y los 1 1 pétalos en amarillo, usando una relación de inclusión. (a) La imagen de entrada. (b) 0.99 0.98 0.99 Resultado con el algoritmo de min-cut/max-flow usando un grafo en capas. (c) 0.97 Resultado por HLOIFT. 0.96 0.98 0.95 Para demostrar de forma cuantitativa nuestros resultados, Dice coefficient 0.94 Dice coefficient 0.97 comparamos el HLOIFT, con la segmentación de múltiples 0.93 regiones por la IFT [4], cuya versión mejorada por un procedi- 0.92 0.96 miento de relajación propuesto por [10], y el Graph cut en un 0.91 grafo jerárquico en capas [7], denotado como HLGC, usando 0.95 dos datasets de imágenes médicas, y considerando un peso en 0.9 las aristas simples (ψ(s, t) = |I(s) − I(t)|). 0 0.94 0.93 0.92 0.91 2 4 6 8 10 12 14 16 0.9 0 2 4 6 8 10 12 14 16 Erosion radius (pixels) Erosion radius (pixels) IFT HLGC IFT HLGC Relaxed IFT HLOIFT Relaxed IFT HLOIFT (c) Talus (d) Talus con GSC 1 1 0.99 0.99 0.98 0.98 Dice coefficient 0.97 Dice coefficient 0.97 0.96 0.96 0.95 0.95 0.94 0.94 0.93 0.93 0.92 0.92 0.91 0.91 0.9 16 0.9 0 2 4 6 8 10 12 14 0 2 4 6 8 10 12 14 16 Erosion radius (pixels) Erosion radius (pixels) IFT HLGC IFT HLGC Relaxed IFT HLOIFT Relaxed IFT HLOIFT (e) Calcáneo (f) Calcáneo con GSC El primer dataset tiene 40 imágenes CT de la parte toráci- Cuadro 2: Las curvas de la media de la acuracia dada por el coeficiente Dice, para ca, de resolución 512 × 512 usado para segmentar el hígado diferentes métodos. incluído en el abdomen. El segundo dataset tiene 40 imágenes MR para segmentar los huesos talus y calcáneo con restricción 3D HLOIFT de exclusión, considerando a la región del pie como su padre. Utilizando imágenes en 3D (volúmenes) mostramos el com- Los mismos marcadores fueron usados para ambos métodos, portamiento del HLOIFT considerando diferentes restriccio- obtenido por una erosión progresiva del ground-truth de las nes a priori. En la Figura 5, usamos una imagen sintética de regiones y el background para diferentes valores de radio. Para 150 × 150 × 150 voxels compuesto por seis diferentes regio- los huesos usamos una polaridad de contorno de oscuro para nes: dos cubos oscuros dentro de una bola clara, los que a su claro y para el hígado de claro para oscuro. vez están contenidos dentro de un cubo, con background blan- co, y donde uno de los cubos internos contiene una pequeña La exactitud media, de acuerdo al coeficiente Dice, son bola. Luego, deseamos segmentar tres regiones, donde O1 y mostrados en la Figura 4, donde los resultados de la columna O2 estarían inclusos en O3. Es así, que definiendo polaridad de izquierda fueron obtenidos sin considerar restricción de forma contornos diferentes como “de claro para oscuro” (bd) o “de y, la de la derecha, con restricción de forma Geodesic Star Con- oscuro para claro” (db) para O1 y O3, obtenemos diferentes vexity (GSC) [9]. El HLOIFT tiene los mejores resultados en resultados. la mayoría de los casos. Observe también que nuestro método se beneficia del uso de la restricción de forma para el caso del Para mostrar nuestro 3D HLOIFT en imágenes reales de hígado, en comparación con el HLGC. MR, usamos un volumen de 120 × 120 × 90 voxels, para seg- mentar el cerebro (Figura 6a) y los ventrículos laterales (Figura 6b) usando una relación de inclusión. El tiempo de ejecución para este caso fue de 4.2 segundos. O3 O1 O2db (a) Figura 5: Segmentación usando 3D HLOIFT para (a) el cerebro y (b)ventrículos (b) (c) con una restricción de inclusión. Figura 4: (a) Dada una imagen de entrada y marcadores para O1 (en amarillo), O2 (en azul) y el fondo (en rojo), obtenemos diferentes resultados para O1 y O2 incluidos en O3, definiendo polaridad de contornos diferentes. En (b) y (c) las diferentes regiones en 3D son mostradas. © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Investigación Vol. 5 No 1, Diciembre 2019 7 / 27 HLOIFT con superpixels Referencias En este caso presentamos resultados experimentales tratan- [1] Leissi M. Castaneda Leon and K.C. Ciesielski and do con una solución más adecuada y eficiente para la segmen- Paulo A. V. Miranda. Efficient Hierarchical Multi- tación de múltiples regiones en grandes imágenes, mostrando Object Segmentation in Layered Graph (Submitted). el mejoramiento en el tiempo de ejecución. web: https://www.math.wvu.edu/ kcies/SubmittedPapers- /SS29.HLOIFT.pdf, [2] Luc Soler and Alexandre Hostettler and Vincent Ag- nus and Arnaud Charnoz and Jean-Baptiste Fasquel and Johan Moreau and Anne-Blandine Osswald and Mou- rad Bouhadjar and Jacques Marescaux 3D Image Re- construction for Comparison of Algorithm Database : A patient-specific anatomical and medical image databa- se web: https://www.ircad.fr/research/3d-ircadb-02/ IR- CAD, France,2012 Figura 6: La segmentación de una imagen CT de la rodilla para diferentes tamaños [3] L. M. C. Leon and P. A. V. D. Miranda 2017 30th SIB- de superpixels. GRAPI Conference Multi-Object Segmentation by Hie- rarchical Layered Oriented Image Foresting Transform 2017, pag. 79-86 IFT [4] 171 × 193 342 × 386 684 × 772 1368 × 1544 [4] Miranda, Paulo AV and Falcão, Alexandre X Links bet- HLOIFT [1] ween image segmentation based on optimum-path forest (10 × 10) 8.46 29.26 106.61 333.13 and minimum cut in graph Journal of Mathematical Ima- 54.55 200.44 724.73 2,878.91 ging and Vision Volumen. 35, number 2, pages. 128–142, (5 × 5) 2009, Springer 3 × 3() 0.52 1.88 8.08 33.05 1.61 8.14 24.78 91.29 [5] Alexandre, Eduardo Barreto and Chowdhury, Ananda 4.37 17.25 62.93 260.24 Shankar and Falcao, Alexandre Xavier and Miranda, Pau- lo A IFT-SLIC: A general framework for superpixel gene- Cuadro 3: Tiempo en ms para los diferentes métodos y resoluciones de imagen. ration based on simple linear iterative clustering and ima- ge foresting transform Vechiatto 2015 28th SIBGRAPI En el Cuadro 3, mostramos la ganancia en el tiempo de ejecu- Conference 337–344, 2015 ción de nuestra propuesta en comparación con el de la IFT [4] y el HLOIFT original [1] sin superpixels, para diferentes resolu- [6] Falcão, Alexandre X and Stolfi, Jorge and de Alencar Lo- ciones de imagen y tamaños de superpixel, para lograr segmen- tufo, Roberto The image foresting transform: Theory, al- tar tres regiones en una imagen CT de rodilla con relaciones gorithms, and applications PAMI, IEEE Transactions on de inclusión y exclusión. El uso de superpixels en la HLOIFT 26:19–29,2004,IEEE reduce significativamente el tamaño del grafo, resultando en un gran ahorro en memoria y tiempo de ejecución. Adicionalmen- [7] Delong, Andrew and Boykov, Yuri Globally optimal seg- te, los resultados de la segmentación con diferentes tamaños de mentation of multi-region objects Computer Vision, 2009 superpixel son similares a los obtenido por el HLOIFT a nivel IEEE 12th International Conference on 285–292, 2009, de píxel, demostrando de esta forma su robustez del HLOIFT IEEE con superpixels (Figure 6). [8] Delong, Andrew and Gorelick, Lena and Veksler, Olga Conclusiones and Boykov, Yuri Minimizing energies with hierarchical En este artículo fue brevemente descrito nuestro nuevo costs International journal of computer vision 100:1 38– método para segmentación de múltiples regiones basado 58, 2012 Springer en grafos denominado como HLOIFT. Este método for- mula la integración de las características individuales de [9] V. Gulshan, C. Rother, A. Criminisi, A. Blake and cada región como: polaridad en el borde y restricción de A. Zisserman, \"Geodesic star convexity for interacti- forma, junto con relaciones jerárquicas entre regiones co- ve image segmentation,\"2010 IEEE Computer Society mo: inclusión y exclusión, en una única energía de opti- Conference on Computer Vision and Pattern Recogni- mización. Además de nuestro aporte teórico, nuestros ex- tion, San Francisco, CA, 2010, pp. 3129-3136. doi: perimentos muestran buenos resultados aun considerando 10.1109/CVPR.2010.5540073 una medida simple de disimilaridad, siendo menos res- trictivo y obteniendo resultados óptimos globales para di- [10] Malmberg Filip , Nystrom Ingela , Mehnert Andrew , ferentes casos, en contraste con lo presentado en la litera- Engstrom Craig , Bengtsson Ewert. Relaxed Image Fo- tura resting Transforms for Interactive 2010 Volume Image Segmentation. 7623. 10.1117/12.840019 © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Investigación Vol. 5 No 1, Diciembre 2019 8 / 27 A method to extract visual encodings from map chart images Angela Mayhua has a M.Sc. in Computer Science from the Universidad Católica San Pablo, Arequipa, Peru. Her research interests include data visualization, image processing and pattern recognition not support analysis of geographic maps. In our work, we ex- tended these prior approaches to recover both visual encodings and underlying data from map images with color-encoded sca- lar values. Our contribution is a map image analysis pipeline that automa- tically extracts spatial information from map region and color information from legend region to recover a visual encoding specification in a declarative grammar similar to Vega-Lite [8]. Method Overview M.Sc. Angela Mayhua Quispe As first stage, we collected images from three well-known geoscience journals in the field of climate change | Nature, the Journal of Climate, and Geophysical Research Letters; then we manually annotated them to build a ground-truth corpus of map charts. Introduction After analyzing the corpus, we proposed a map image inter- Nowadays, millions of maps are generated and used by stu- pretation pipeline has four main steps (see Figure 7). The input dents, scientists, companies, and governments for a variety of is a map image which contains a color legend (continuous or analytical purposes. A well-designed map encodes information quantized) and text labels indicating the latitude and longitude so as to be interpretable by humans; however, in most of cases values. these maps are published as bitmap images, without access to the underlying data. For that reason, it is difficult to find and We first segment the input map image into map and legend reuse map data using either spatial queries (e.g., find all maps regions (see Figure 7b), each one containing their correspon- involving Peru) or semantic queries (e.g., find all maps with ding textual information. temperature values between 10◦C and 40◦C) [13]. We need computational methods to automatically process maps due to Second, we extract spatial information for the map region the existence of millions of maps that have been digitally scan- (see Figure 7c), which includes latitude and longitude labels ned or digitally created [3]. and projection type (e.g., Equirectangular, Miller or Robinson); in this step we apply Tesseract OCR [11] and some techniques There are some methods focused on automatic interpreta- to infer the values of geographic coordinates and to infer the tion of common statistical graphics such as bar, line, area, or pie projection type using map templates. As third step (see Fi- charts. On the other hand, some projects attempt to recover the gure 7d), given the legend region, we extract color encoding underlying data [9, 4, 1, 2, 6, 10], while others focus on reco- information that includes the legend values, legend type, and vering the visual encodings [5, 7]. However, these proposals do colormap. Finally, we perform encoding inference to generate a visual encoding specification using the information extracted in the two previous steps (see Figure 7e). © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Investigación Vol. 5 No 1, Diciembre 2019 9 / 27 (a) Input Image (b) Map and Legend Identification (c) Map Analysis (d) Legend Analysis (e) Encoding Inference { \"mark\": \"rect\", \"projection\": {...}, \"encoding\": { \"x\": {...}, \"y\": {...}, \"color\": {...} } Figura 7: Map image interpretation pipeline. Applications the bar chart shows the distribution of pixels for each legend value. We applied our map image analysis pipeline in the following Input image Distribution of extracted data applications: extraction of color-encoded data values to gene- rate alternative visualizations, such as bar charts of aggregate values by continent, and a reprojection method to generate re- designed map images conveying the same underlying data. Data extraction Visual encoding can be used to extract data encoded on Figura 8: Analysis of extracted encoded data on map charts. a map chart, which can then be used to redesign the visuali- zation itself [9]. We have a domain D = {d1, ..., dn} and a Map reprojection range R = {c1, ..., cn} from the color channel entry in our In the second application, given a bitmap image of a map visual encoding. First, we create a colormap CM = {(ci, di)} mapping a color (ci) to a data value (di). Then, for each pixel chart as input, we produce a new image which uses a different p in the map region, we infer the latitude lat and longitude projection, maintaining the original data (colors). This appli- lon values using the inverse projection function. After that, we cation uses mainly the spatial information contained in the get the color pc and find the nearest color in CM such that inferred visual encoding and a target geo projection. Figure 9 distcolor(pc, ci) < 2,5 [12]. If a nearest color exists, we reco- shows an example, using a map with the Equirectangular pro- ver its value di as val. Finally, we export those values into a jection as input, our tool automatically create a new map chart CSV file, where each row contains a (lat, lon, val) tuple. This with the Robinson projection. file can be used by the analyst to create other visualizations and to extract trends in data. For instance, Figure 8 shows an input image contains a quan- tized legend where each color represents a range of values and Original Reprojected map Figura 9: An example of map reprojection. © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Investigación Vol. 5 No 1, Diciembre 2019 10 / 27 Conclusion Annual ACM Symposium on User Interface Software and Our work presents a novel approach to extract visual en- Technology, 2014. ACM. coding from map chart images. Given a bitmap map image [6] Daekyoung Jung, Wonjae Kim, Hyunjoo Song, Jeong-in as input, we generate a visual encoding specification in a Hwang, Bongshin Lee, Bohyoung Kim and Jinwook Seo. format similar to Vega-Lite that can be useful in different ChartSense: Interactive Data Extraction from Chart Ima- applications, such as data extraction from map charts, and ges. Proceedings of the 2017 CHI Conference on Human reprojection to change the design of the map using the Factors in Computing Systems, 2017. ACM. inferred visual encoding specification. [7] Jorge Poco and Jeffrey Heer. Reverse-Engineering Visua- lizations: Recovering Visual Encodings from Chart Ima- ges. Computer Graphics Forum, 2017. The Eurographs Association &#38; John Wiley &#38; Sons, Ltd. This work was presented at the SIBGRAPI 2018 Con- [8] Arvind Satyanarayan, Dominik Moritz, Kanit Wongsup- ference, and it is published as “Extracting Visual Enco- hasawat and Jeffrey Heer. Vega-Lite: A Grammar of In- dings from Map Chart Images with Color-encoded Scalar teractive Graphics. IEEE Trans. Visualization & Comp. Values\". For more details about this work, you can visit Graphics (Proc. InfoVis), 2017. https://doi.org/10.1109/SIBGRAPI.2018.00025. [9] Manolis Savva, Nicholas Kong, Arti Chhajta, Li Fei-Fei, Referencias Maneesh Agrawala and Jeffrey Heer. ReVision: Automa- ted Classification, Analysis and Redesign of Chart Ima- [1] Rabah A. Al-Zaidy and C. Lee Giles. Automatic Extrac- ges. Proceedings of the 24th Annual ACM Symposium tion of Data from Bar Charts. Proceedings of the 8th Inter- on User Interface Software and Technology, 2011. ACM. national Conference on Knowledge Capture, 2015. ACM. [10] Noah Siegel, Zachary Horvitz, Roie Levin, Santosh Div- [2] Rabah A. Al-Zaidy, Sagnik Ray Choudhury and C. Lee vala and Ali Farhadi. FigureSeer: Parsing Result-Figures Giles. Automatic Summary Generation for Scientific Da- in Research Papers. Computer Vision – ECCV 2016: 14th ta Charts. AAAI Workshop: Scholarly Big Data, 2016. European Conference, Amsterdam, The Netherlands, Oc- tober 11–14, 2016, Proceedings, Part VII. [3] Yao-Yi Chiang, Stefan Leyk and Craig A. Knoblock. A Survey of Digital Map Processing Techniques. ACM [11] R. Smith. An Overview of the Tesseract OCR Engine. Computing Surveys, 2014. ACM. Ninth International Conference on Document Analysis and Recognition (ICDAR 2007), 2007. [4] J. Gao, Y. Zhou and K. E. Barner. View: Visual Infor- mation Extraction Widget for improving chart images ac- [12] Mike Stokes, Mark D. Fairchild and Roy S. Berns. Preci- cessibility. 19th IEEE International Conference on Image sion Requirements for Digital Color Reproduction. ACM Processing, 2012. Transactions on Graphic, 1992. ACM. [5] Jonathan Harper and Maneesh Agrawala. Deconstructing [13] Volker Walter, Fen Luo and Dieter Fritsch. Automatic and Restyling D3 Visualizations. Proceedings of the 27th Map Retrieval and Map Interpretation in the Internet. Ad- vances in Spatial Data Handling. Advances in Geographic Information Science, 2013. Springer, Berlin, Heidelberg. DIPLOMADO EN CIENCIA DE DATOS En la actualidad, las instituciones están generando grandes Diplomado en ciencia de datos - ULASALLE - volúmenes de información importante para la predicción AREQUIPA de acontecimientos, tomar decisiones, etc. Sin embargo, para realizar el análisis automático de toda esta informa- ción se requieren conocimientos de disciplina como esta- dística, ciencia de la computación, técnicas de aprendizaje de máquinas, análisis de agrupamiento, minería de datos y visualización. Bajo ese contexto, la Universidad La Salle lanza el diplomado en Ciencia de Datos cuyo objetivo es formar capital humano para realizar este tipo de tareas y así contribuir al desarrolo de la región y país. © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Investigación Vol. 5 No 1, Diciembre 2019 11 / 27 Automatic Gun Detection using Fast-RCNN on extreme illumination conditions Elian Laura culminó su maestría en Ciencia Informática en la Universidad Nacional de San Agustín y actualmente es miembro del Centro de Investigación de la Universidad La Salle de Arequipa. Ha presentado poster en la International Conference of Machine Learning 2019 en California, y ha realizado dos pasantías de investigación: en la Technische Universität Berlin, Alemania el 2016 y en Universiteit Twente, Holanda. En el último año ha liderado el grupo PyLadies Arequipa motivando a mujeres de diversas áreas ha conocer más de programación y tecnología automatic detection system, robust detection and classification techniques are being needed, as the case of Deep Learning. This paper uses the Fast Regional Convolutional Neural Network (Fast-RCNN) approach, it was trained with several guns images. For this, the Internet Movie Database Firearm Dataset (IMFDb) [3] was used. Furthermore, these selected images were used to train a ba- sic Haar Cascade detector [6] to compare who Deep Learning improve the detection rate. Deep learning model Elian Laura Based on Fast-RCNN proposed by Girshick [4] with the Introduction Edge Boxes technique developed by Lawrence and Piotr [5]. At the beginning is the input layer that receives an image of th- ree color channels of size of 32x32 pixels. Previous to this step the Edge Boxes technique calculates where a possible object could be located. This region is adjusted to the input size. Next, in the middle layers we can found a convolutional layer with 32 filters of 3x3 size and padding of 1. Then, this is followed by a Rectified Linear Unit (ReLU). These last two are repeated one more time, and they are followed by the Max Pooling layer with a size of 3x3 and with stride of 2. Surveillance video cameras are being employed more of- Finally, in the final layers there is a Fully Connected La- ten now-a-days. They can help to control the crime or illegal yer (FC) of 64 neurons. This is followed by a Rectified Linear activities of criminals on the streets. So, many cities around Unit (ReLU) layer. After, another Fully Connected Layer is the world are buying and implementing monitoring systems included with a the same size of the classification classes (one composed of several surveillance cameras. These cameras are for the gun class and other for the background class). At the being controlled by dedicated staff for many hours and it is a end, the softmax Layer and the classification Layer are found. difficult task because they usually need to pay attention to more than one video camera for a long time. In the next secction we have to explain some of the more interesting results of our research work. In this work we will focus on detected guns in images with illumination changes because in surveillance videos illumi- Experiments nation is an important factor to be treated. To carry out this © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Investigación Vol. 5 No 1, Diciembre 2019 12 / 27 In the experiments, we used the data set from IMFDb and Conclusions took 1700 images for the training process then, some gun ima- ges were rotating 15 grades. On the other hand, we do not re- In this paper, we proposed a deep learning model for gun gard scenes with a black background, because most firearms detection using Fast-RCNN technique without illumina- are also black, and they disappear with this type of dark light. tion normalization techniques that can effectively detect guns in different illumination intensities. Figura 10: For the training process, we need to label the guns area in every image. This process was carried out manually. In this figure we can see the guns areas The detection rates are acceptable because of the ima- highlighted in green. ges evaluated have strong illumination changes that can been easily interpreted in a wrong way. Our proposal Figura 11: The first row shows all the possible gun regions that were predicted by gets good results even when the detection is carrying out the model,but the second row shows the higher predicted score and region. in dark illumination images or with a dark background, where the gun is mixed with the background, and these results have been demonstrated with the use of the Haar Cascades which have a very low percentage of detection. Future work will further address the efficiency and scalability of the proposed model for real-time gun de- tection, and we plan to seek out more scenes with gun images to improve the dataset. In addition, when the rate of detecting guns will be acceptable, we could lead addi- tional task like face detection. Furthermore, the proposed deep learning model works in videos at the rate of 6 frames per second. The proces- sing time of more frames could be improved using addi- tional GPU cards, so real-time video processing would be possible. Results Referencias [1] Delong, Andrew and Boykov, Yuri. Globally optimal seg- mentation of multi-region objects. Computer Vision, 2009 IEEE 12th International Conference on, pages 285–292, 2009, IEEE. [2] Rutter, Michael Patrick. Harvard and MIT re- lease working papers on open online learning. http://news.harvard.edu/gazette/story/2014/01/harvard- and-mit-release-working-papers-on-open-online- learning. 2014 Figura 12: Roc curve of the detections obtained by the proposed Fast-RCNN [3] Internet Movie Firearm Database April 05, 2018 Available model (blue) and Haar Cascades (red). As we can see, a good detector shows a at http://www.imfdb.org/wiki/Main_Page identity line, but our detector shows a lower behavior [4] Ross B. Girshick Fast R-CNN, Available at http: //arxiv.org/abs/1504.08083 In our experimental evaluation of our model, both training [5] Zitnick, C. Lawrence and Dollár, Piotr Fleet, David and and testing process were done on a PC with Windows 10 x64 Pajdla, Tomas and Schiele, Bernt and Tuytelaars, Tinne Ed- with an Intel Core i7-7700HQ CPU 2.80GHz, a Nvidia grap- ge Boxes: Locating Object Proposals from Edges Compu- hic card GTX 1050 with 4Gb of memory, 16GB of RAM and ter Vision – ECCV 2014 Springer International Publishing Matlab 2017a. [6] Viola, Paul and Jones, Michael Rapid object detection We have used the Intersection over Union (IoU) metric with using a boosted cascade of simple features Computer Vi- Receiver Operating Characteristic curve (Roc curve). sion and Pattern Recognition, 2001. CVPR 2001. Procee- dings of the 2001 IEEE Computer Society Conference on 1:I–511, 2001,IEEE © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Artículos de opinión Vol. 5 No 1, Diciembre 2019 13 / 27 Competitive programming, start now! Luciano has started his PhD in Computer Science at the University of Zurich, Switzerland. He is a computer scientist with an MSc degree in Computer Science from Federal Fluminense University, Niteroi, Brazil (2017). Prior, he has earned my BSc degree in Computer Science from the National University of Saint Augustine, Arequipa, Peru (2014). His research interests are computer graphics, geometry processing, and deep learning. Also, he has interest in parallel programming and competitive programming Luciano Arnaldo Romero Calla Figura 13: Porto ICPC World Finals 2019 (https://icpc2019.up.pt) Every person who has studied or is studying a Computer \"The International Collegiate Programming Contest is an Science career or a similar one has to program. Since our first algorithmic programming contest for college students. Teams year at university, programming is one of the most important of three, representing their university, work to solve the most skills which we must improve on. real-world problems, fostering collaboration, creativity, inno- vation, and the ability to perform under pressure. Through Let’s define programming as the ability to solve a problem training and competition, teams challenge each other to raise efficiently, and express this solution in some programming lan- the bar on the possible. Quite simply, it is the oldest, largest, guage. We mustn’t consider that write code is programming. and most prestigious programming contest in the world.\"1 Programming includes other important skill that is problem- solving. The only way to improve these skills is by program- Do you want to take part in this event? Why should you ming! participate in the ICPC or similar ones? Are you a good pro- grammer? How to start? Let’s start talking about the problem Competitive programming is one of the best activities you statement structure. Every problem statement has a description, can do to practice and get better. In this article, I’m going to an input format, and an output format. Figure 20 shows a pro- give a tour of competitive programming and its potential im- blem statement from the ICPC World Finals 2018. portance for your career. You have to understand the problem description and design The International Collegiate Programming Contest (ICPC) an efficient solution to solve the problem. The problem also has is the principal motivation for computer science students in the a time limit, usually 1 to 3 seconds, to run your code and give world to compete, solve problems and write code (see Figu- the correct output. So, understanding the problem includes the re 13). algorithmic complexity analysis of your solution. You have to take care of the problem size and ensure that your code runs in the time limit. 1From: icpc.baylor.edu © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Artículos de opinión Vol. 5 No 1, Diciembre 2019 14 / 27 Besides solving the problem, you need to take care of your there are programmers behind this software who have to fa- code implementation and the correct format for reading the ce some problem that includes many sub-problems and write input and writing the output. Here I can refer you to the Com- computer code. petitive Programming 3 book, where you can find out excellent guidelines to start training, which includes topics like I/O, data The development of artificial intelligence, more powerful structures, graphs, greedy, geometry, strings, dynamic pro- processors, 3D scan, printers, sensors and displays, the promise gramming, number theory among others. Many of these topics of quantum computing, are open doors for excellent researchers you have studied in courses of programming, discrete mathe- and software developers who will face new challenge problems matics, and analysis and design of algorithms. But, here you that could change the world. can put on the theory in practice solving challenging problems that prepare you for your professional career. The last step is to test your solution. The problem statement presents some test cases inputs and the respective output that your solution and code should give. You must prepare more test cases to ensure that you have solved the problem. These other test cases could be the worse input (problem limits), the mini- mum input values, or some tricky ones that could make your code/algorithm fail. An important task in software develop- ment is to prepare test cases for your code. So, solving contest problems train you for your future as a software developer. Problem J Figura 15: From .A Style-Based Generator Architecture for Generative Adversarial Networks\" (https://arxiv.org/abs/1812.04948). Uncrossed Knight’s Tour Researching in computer science is ever discovering and Time limit: 2 seconds creating new technology, facing problems that require an ex- cellent background in computer science and good program- A well-known puzzle is to “tour” all the squares of an 8 × 8 chessboard using a knight, which is a piece ming skills. You could create tools and frameworks that other that can move only by jumping one square in one direction and two squares in an orthogonal direction. programmers will use in the future. Deep learning is a good The knight must visit every square of the chessboard, without repeats, and then return to its starting example. A machine can recognize images with less error than square. There are many ways to do this, and the chessboard size is manageable, so it is a reasonable humans, in object and human recognition, even in medical ap- puzzle for a human to solve. plications like brain-tumor detection. You will not be able to differentiate a real face from a computer-generated one (see However, you have access to a computer, and some coding skills! So, we will give you a harder version Figure 15). Just for mention a few potential applications. of this problem on a rectangular m × n chessboard with an additional constraint: the knight may never cross its own path. If you imagine its path consisting of straight line segments connecting the centers of Big companies like Google, Facebook, Amazon, Pixar, squares it jumps between, these segments must form a simple polygon; that is, no two segments intersect Nvidia, Intel, and start-ups, whose principal component is or touch, except that consecutive segments touch at their common end point. This constraint makes it the software and understand the importance of software de- impossible to visit every square, so instead you must maximize the number of squares the knight visits. velopment, look for programmers with excellent programming We keep the constraint that the knight must return to its starting square. Figure J.1 shows an optimal (solving-problem) skills and a background in programming solution for the first sample input, a 6 × 6 board. contests. Because solving a problem includes the process of abstraction, analysis, design, implementation, and testing. Figure J.1: An optimal solution for a 6 × 6 board. Input The input consists of a single line containing two integers m (1 ≤ m ≤ 8) and n (1 ≤ n ≤ 1015), giving the dimensions of the rectangular chessboard. Output Display the largest number of squares that a knight can visit in a tour on an m × n chessboard that does not cross its path. If no such tour exists, display 0. Sample Input 1 Sample Output 1 66 12 ACM-ICPC World Finals 2018 Problem J: Uncrossed Knight’s Tour 19 Figura 14: ICPC World Finals 2018 Problem J An interview for a job there, measure your ability to solve problems, it’s like a competitive programming problem, where Why competitive programming prepare you for the future? you have to explain your solution and the algorithmic comple- Every day we meet with technology e-mail, social net- xity analysis, using all your knowledge about algorithms, data structures, the theory of computation, compilers, programming works, video-games, apps in our cellphones, self-driven cars, languages, discrete mathematics, software engineering, maths among other topics. You can easily prepare for a work there solving competitive programming problems. © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Artículos de opinión Vol. 5 No 1, Diciembre 2019 15 / 27 Figura 16: Google’s Coding having fun. ICPC Live Archive (icpcarchive.ecs.baylor.edu) Competitions https://codingcompetitions.withgoogle.com and ICPC Kattis (icpc.kattis.com) are online judges where you can find the ICPC regionals and finals problems. Kat- Google organizes yearly tree important coding competi- tis include the lastest ICPC problems. URI (urionlinejud- tions to motivate programmers to compete and solve challen- ge.com.br), Kattis (open.kattis.com), SPOJ (spoj.com) and ge problems. Also, Google looks for new software developers UVa (uva.onlinejudge.org) have an archive of hundreds of pro- in these events. Figure 16 shows a screenshot and the web pa- blems from different sources like ICPC problems and other si- ge where you can find more information and register for the- milar ones from other contests. Codeforces (codeforces.com), se competitions. Facebook has a similar event called Facebook CodeChef (codechef.com) and Topcoder (topcoder.com) are Hacker Cup. different from the others because they organized several rounds monthly with new problems; you can compete and impro- ve your skills in real-time contests. Finally, A2OJ (a2oj.com) allows you to create a contest with problems from different jud- ges. Now, you can start solving problems and getting better in programming. Don’t forget to share what you are learning. The best way to learn and improve your skills is by teaching. Be- cause if you understand something you can teach it, else you need to study more. How to start? Figura 17: uhunt.onlinejudge.org I have already mentioned the book Çompetitive Programming 3: The New Lower Bound of Programming Contests\" (cp- book.net) written by Steven Halim and Felix Halim, where you’ll find an excellent guide to start and the minimum topics that you need to master to compete in any programming con- tests. Each chapter presents a set of exercises and problems ta- ken from UVa (uva.onlinejudge.org) and integrated with uHunt (uhunt.onlinejudge.org) where you can track your progress and stats (see Figure 17). Another similar and recent book is \"Guide to Competi- tive Programming, Learning and Improving Algorithms Th- rough Contests\"2 whose author is Antti Laaksonen. Also, the- re is a website cp-algorithms.com that describe a set of to- pics and algorithms that will help you to start solving pro- blems. Some online judges to start solving problems and 2www.springerprofessional.de/en/guide-to-competitive-programming/15339090 © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Artículos de opinión Vol. 5 No 1, Diciembre 2019 16 / 27 Inquisitive mind as a key for researching Lizeth has started a PhD in Computer Science at the University of Zurich, Switzerland. She is a computer scientist with an MSc. degree in Computer Science from Federal Fluminense University, Niteroi - Brazil (2017). Prior, she has earned my BSc. degree in Computer Science from the National University of Saint Augustine, Arequipa - Peru (2014). Her research interests are computer graphics, geometry processing, shape analysis, computational geometry, computer vision and machine learning and to face challenging problems. Lizeth Fuentes Pérez Figura 18: Caveman and working late cartoon. https://www.cartooncollections.com/cartoon?searchID= CC122677 A harmful consequence of our dependency on technology is that our brain becomes rusty with the passing of time, our life gets boring, and in some cases we fall into depression. I believe that a good way to overcome this problem is through developing an inquisitive mind. Humans have been dominating this planet thanks to the ability to use our sophisticated brains for abstract thinking that has allowed us to develop new tech- nologies. It is in our blood, as the saying goes, that we are made for learning, adapting and creating. Engaging in these activities guarantee us a more fulfilling life . Around five centuries ago, the world was completely diffe- rent. Technological advancements have made our daily lifestyle much easier. We have become less motivated to learn and also ignorant of more and more things. Nowadays, normally we became a specialist in some field and ignore most of the other ones. Therefore, we strongly depend on others to take care of our necessities, like hair cutting, fixing a broken machine or even preparing your food, just to mention a few. We have become less skilled and less focused than our Figura 19: Freepik brain cartoon. ancestors because we inhabit in a safer world. For instance, https://www.freepik.com/premium-vector/ when humans had to survive in the savanna, their probability of dying from an animal attack, poisonous fungi, or hunger were brain-cartoon-set_5096282.htm higher than now. In such circumstances, they had to be quite focused on what they were doing. However today, we enjoy There is an expression which says that when we are young, a more secure lifestyle, where necessities are roughly covered we are flexible, and when we are old we became more rigid and and also there is access to a comfortable life. Therefore, many of us prefer to live in a comfort zone rather than to take risks © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Artículos de opinión Vol. 5 No 1, Diciembre 2019 17 / 27 less likely to change. You can witness how happy the children first works in Deep learning, they were rejected badly for the are for whatever funny new thing they discover. Also, they are scientific community, because his proposal was very different highly focused on the present moment and they tend to imitate from the standard methods at that time. However, nowadays it others, to learn as much as they can. This behavior is the key to is a total success, it has changed many research fields and it is a more creative thinking. still improving. The main point of this article is to motivate you to start cul- What I just pointed out is to come up with an original idea tivating an inquisitive mind. The fastest way to do this is by requires to think differently. And the trivial question is, how changing your mindset to embrace learning. A good practice can I do that? And then, there is not a fixed answer or a for- to achieve the former is researching in whatever ( please make mula. As far as I know, a way to achieve this is by making sure it does not include information about someone’s private connections or finding patterns in activities that require to put affairs) you are interested in. a lot of focus. In other words, you can achieve this by gaining experience in solving problems. You need to be open-minded Research is like playing with a puzzle or a riddle, where to see the problem from different points of views. The big trick you spent several hours trying to figure it out a solution. It is here is that you need to be fine with failing. It is important also like creating new dishes, no matter how good your cooking because when someone starts a new project or activity, it is skills are, creating new dishes is harder. There is no recipe, but more likely to fail and get bullied by others. Therefore, you there is a vast field of previous recipes you can review. Also, it have to learn to overcome negative criticism and focus in enjoy is highly competitive, since we are living in a globalized world every new lesson. I had that experience myself when I entered a where the information is highly available. So, better keep up- new field at those times during my undergrad. After I struggled dating yourself and checking recent approaches constantly. with a lot of notations and formulas, I realized how much they simplified abstract thoughts, eliminating ambiguity. Figura 20: Fuelling curiosity. Embrace the unknown and get used to change are important https://medium.com/@prasad.khamkar11/ to evolving in life. The choices I made in my life were based on this principle, I like adapting myself a lot. There is an expres- fuelling-curiosity-a1a993605869 sion: Burn the ships! which means, a retreat is easy when you have the option. So, I just prefer burning the ships. I remember Researching is an important exercise for our brain, it is being told I was better with linguistics rather than science, then fun, and it promotes curiosity. Innovation can be related to the I choose to study Computer Science. Also, after finishing my ability to establish relationships between different fields. For undergrad studies I had the option of doing my master’s in my example, Neuroscience have served as inspiration for the deve- country or to go outside. I choose to go to Brazil, and when lopment of Neuronal Networks. It gave origin a new research finally I adapted to Brazil I choose again to go somewhere else. field known as Deep Learning. Today I have started my Ph.D. studies in Computer Science In my experience, the best way to come up with somet- at the University of Zurich. In the beginning, you can struggle hing original is through changing your way of thinking of a with many obstacles like a new language, new system, legal determined problem. Facing a new problem is difficult and documents, new culture, housing and so on. However, for me, time-demanding. In order to solve it, you can change some it is only a small price to pay for a great source of new expe- parts you consider you can improve, or you can replace enti- riences. Your brain is making new connections all the time. For rely some stages of the whole pipeline. The second option is instance, when admiring the new places (architecture, landsca- risky and difficult because you will face many challenges and pes), new tastes of food, new persons to meet and to interact if you are lucky enough and at the end, you got useful results, with, the mixture of cultures, it is never a boring life. probably when you present your work, the judges simply do not accept it. For instance, when Yann LeCun presented his Furthermore, there is still a lot to learn in your expertise field. In my case I am working on a part of a big project called EVOCATION, it means Advanced Visual and Geometric Com- puting for 3D Capture, Display, and Fabrication. My research is focused on the development of innovative techniques for the efficient processing of scanned 3D geometric data in indoor en- vironments. There is a long way ahead of me, but right now, I feel very excited because I have time and energy to do the tasks and keep growing and enjoying at the same time. © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Artículos de opinión Vol. 5 No 1, Diciembre 2019 18 / 27 Mujeres en ciencia de la computación La Dra. Aurea Soriano-Vargas trabaja hace 1 año como post doctoranda en el laboratorio RECOD (Reasoning for Complex Data) en la Universidade de Campinas, Brasil. Actualmente, está diseñando y desarrollando soluciones de aprendizaje automatizado (machine learning) para explorar similitudes y patrones en datos de modelos de simulación y datos sísmicos 4D relacionados con los reservorios de petróleo de Brasil Dra. Aurea Soriano-Vargas nos hicieran nada. Fui aceptada en la Universidade de La solución del segundo problema São Paulo para realizar una maestría y Los Inicios después un doctorado en el laboratorio Mi historia en Computación inicia demoró un poco más. Mis padres tuvie- VICG (Visualization, Imaging and Com- en el colegio particular de mujeres Ma- ron que hacerse préstamos y privaciones puter Graphics), ambos con beca, bajo ría Auxiliadora en una ciudad pintoresca para que pueda subsistir por un semes- la supervisión de la Dra. Maria Cristi- llamada Mollendo, gracias a una beca tre. Además, yo daba clases particulares na Ferreira de Oliveira, ¡sí una mujer!, otorgada por la institución. y cantaba en grupos para juntar dinero; quien fue por muchos años editora-jefe Decidí probar suerte postulando a no sólo para las pensiones, pues también del Journal of the Brazilian Computer Ingeniería Informática en la Universi- tenia que pagar un lugar donde vivir, Society y que actualmente es la Directora dad Católica San Pablo, pero habían dos comer y realizar diversos gastos en la del Instituto de Ciências Matemáticas e grandes problemas: 1) días antes del universidad. Fue un semestre complica- de Computação (ICMC) de la Univer- examen escrito hubo una huelga en la do, lo sé, pero luego de todo ese esfuerzo, sidade de São Paulo. El porcentaje de Provincia de Islay que bloqueó la carre- los frutos empezaron a dar resultados, y mujeres en la maestría no era muy dife- tera y 2) mi familia no contaba con el al terminar el primer semestre, la Univer- rente al visto en mi graduación en Perú, y dinero para que yo pueda estudiar allí. sidad Católica San Pablo me brindó una el porcentaje en doctorado era aún menor. ¿Cómo resolví esos problemas? beca completa y ese fue el comienzo de Para el problema 1), tuve que caminar todo. ¡Muchas gracias! Realicé una pasantía en la Univer- cerca de 7 horas de Mollendo a Arequi- sity of California, Davis en el laboratorio pa, y 10 horas de Arequipa a Mollendo, Debo admitir que fue grande el des- IDAV (Institute for Data Analysis and hasta encontrar un carro que pueda lle- concierto al entrar el primer día en el Visualization), donde a pesar de que la varnos. Debo agradecer infinitamente a salón de clases. Provenía de un colegio directora de Computación era mujer, en mi madre que me acompañó en toda la de mujeres, donde nos motivaron a invo- el laboratorio éramos sólo dos mujeres. Y travesía y a mi padre por esperarnos al lucrarnos con la ciencia y la tecnología. actualmente, en el laboratorio RECOD, regreso, en medio del grupo que bloquea- Sin embargo, de los tres salones de In- somos alrededor de 8 mujeres en un gru- ba la carretera, para asegurarse de que no geniería Informática (alrededor de 120 po de casi 40 personas. alumnos), sólo eramos alrededor de 15 mujeres. Pero eso no fue impedimento A pesar de tener excelentes ejemplos para seguir la carrera y amarla año tras de mujeres que sobresalen en Compu- año (aunque muchas noches me desve- tación en la actualidad y de tener mu- lara). Y así, después de 5 años, egresé chísimas oportunidades sin distinción, el como el primer puesto de mi promoción. número de mujeres en Computación es muy bajo. En el transcurso descubrí que Aspirando a más ese porcentaje bajo en mujeres no siem- Al concluir la universidad, tuve la pre fue así. Década atrás, las mujeres mala suerte de encontrar algunos traba- fuimos quienes liderábamos el campo de jos donde se consideraban a los profesio- Computación. nales en Computación como técnicos y responsables por dar soporte a usuarios y Un ejemplo muy conocido es el de esa fue una de las razones que me moti- Augusta Ada King, condesa de Lovelace, varon a buscar oportunidades en Brasil. hija de Lord Byron. Su historia es pecu- liar, su madre no quería que ella fuera como su padre, un romántico poeta. Así, Ada recibió tutorías casi exclusivamente © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Artículos de opinión Vol. 5 No 1, Diciembre 2019 19 / 27 en matemáticas como si eso fuera un an- Parece ser algo propio de la cultu- Afortunadamente no. Europa tiene un tídoto para ser poeta. Y ella descubre la ra actual, y que considero, tenemos que promedio de 16.1 % de participación de poesía en las matemáticas, llegando a ser cambiar. mujeres en Computación de acuerdo a conocida como la primera programadora Eurostat data. Bulgaria y Rumania tienen de la historia. ¿Qué podemos hacer? las tasas más altas de mujeres que ingre- Creo que es importante mirar lo que san en el área de Computación, 27.7 % Otro ejemplo, Grace Hopper quien ya se ha hecho. No hace mucho tiempo y 27.2 % respectivamente. Luego vie- fue la primera persona en diseñar un (menos de 100 años), la mujer tenía que nen Letonia, Finlandia, Estonia y Litua- compilador para un lenguaje de pro- luchar contra la discriminación de géne- nia con más del 20 %, Reino Unido con gramación. Podemos decir que hasta la ro, no podía votar, era educada para ser 18 %, Alemania 17 % e Italia 16 %. Segunda Guerra Mundial, la programa- ama de casa y no podía pensar abierta- ción fue realizada principalmente por mente en obtener un título. El hecho de Entonces, ¿cuál es el secreto de estos mujeres. Después de la década de 1960, que mi capacidad para obtener un título lugares? el porcentaje de mujeres disminuyó. se base en el mérito y en las oportunida- des, y no en el género, ya significa que el La igualdad de trabajo y remunera- Con todo, existen ejemplos femeni- medio ha avanzado mucho. ción entre hombres y mujeres sentó las nos en Computación, tales como la Dra. Debemos de motivar para aumentar bases para crear diversidad en el medio Katherine Louise Bouman, en el campo el interés en Computación en mujeres. laboral de Computación, colocando la de Computer imagery, para el desarrollo Y ese cambio debe ser motivado desde emancipación de las mujeres en el cora- de un algoritmo para obtener imágenes todos los frentes: escuelas, universida- zón de la ideología del estado. Además, de agujeros negros en alta resolución des, oportunidades de trabajo, sociedad, el sistema educativo de estos países ha (Continuous High-resolution). medios de comunicación, etc. Sobretodo sentado las bases para que tanto las niñas este último, donde es común asociar un como los niños consideren la tecnología Entonces, ¿por qué en las personaje informático ficticio a un varón como una carrera imprescindible. Los pa- universidades y en el medio laboral de de contextura no atlética y de grandes dres y maestros valoran las matemáticas gafas. como una “ciencia exacta” y enfatizan Computación vemos un porcentaje su importancia. Tal vez, la respuesta es bajo de mujeres? ¿La disparidad de género en no sólo dar un trato equitativo a ambos Computación es global? sexos e impulsar las matemáticas y la Existen varios trabajos que analizan tecnología en la educación, sino desarrai- esta disparidad de género y la falta de gar el machismo de la cultura, es decir mujeres en Computación, pero sin expli- de la cabeza; no sólo de hombres, sino caciones concluyentes. también de mujeres. ULASALLE La Universidad La Salle es integrante de la Asociación In- ternacional de Universidades Lasallistas (AIUL), entidad que agrupa a más de 70 instituciones de educación superior en todo el mundo. Gracias a esta red y nutridos de la basta experiencia de la Congregación en el campo de la educación universitaria, nos proyectamos como la primera oferta de carácter in- ternacional en todo el sur del Perú. De esta manera, tanto estudiantes como profesores, formarán parte de una gran comunidad académica que día a día procura acciones con- juntas con miras a alcanzar la excelencia en cada uno de los países donde estamos presentes. ULASALLE - https://www.ulasalle.edu.pe © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Artículos de opinión Vol. 5 No 1, Diciembre 2019 20 / 27 Lfraaceadsuocación en línea, entre la evolución o el Maestro en Tecnologías de Información Empresarial y Postgraduado en Teleinformática y Redes. Director de la Facultad de Tecnologías de Información de la Universidad De La Salle Bajío en México. Galardonado por Microsoft con el premio Most Valuable Professional en las ediciones 2017-2018 y 2018-2019. Coordinador del equipo de Posgrado e Investigación de la Comisión Estatal para la Planeación de la Educación Superior del Estado de Guanajuato (COEPES) y Coordinador Vinculante de la Comisión, con el Sistema de Redes de Investigación Educativa Aplicada del Estado de Guanajuato. Catedrático Universitario en materias del área Tecnológica general. Actualmente, plataformas tecnológicas ofrecen capacita- ción en portales Web, como Platzi o NextU, que mediante una suscripción anual proporcionan contenidos de diferentes disci- plinas, o como Udemy que ofrece cursos independientes con un costo muy bajo, situación que genera que las Universidades tengan que replantear no solo la educación en línea, sino la propia educación tradicional. De acuerdo con un estudio del Profesor Clayton Christensen de la Escuela de Negocios de Harvard, se pronostica que la mitad de las Universidades en Estados Unidos estarán en la bancarrota en la siguiente década, [1]. ¿Por qué hay tanta deserción? M.T.I. Enrique Aguilar Vargas La principal problemática de la educación en línea es la deser- ción. De acuerdo a un reporte publicado en el 2014 por Michael Patrick Rutter de The Harvard Gazette, menciona que el 50 % de los que se inscriben a los MOOC’s (Massive Online Open Courses o cursos online masivos y abiertos), no continúan des- pués de un par de semanas, y solo el 5 % termina el curso, por lo que la deserción es impresionante, [2]. ¿Qué es lo atractivo de la educación en línea? Las Universidades han replicado el ofrecimiento de cur- Desde hace una década, la educación en línea se ha convertido sos a distancia, le han agregado registros de validez oficial de en un referente de las Universidades en el mundo, permitiendo estudios y han generado el proceso de monetización de estos ofrecer el conocimiento que se genera en las aulas y llevarlo a cursos; el resultado: el mismo. Un gran porcentaje de perso- diferentes lugares, mediante el uso de las Tecnologías de Infor- nas que se inscriben no terminan los cursos en línea. En la mación. Al menos, eso se encuentra en el ideal; sin embargo, educación tradicional, al estudiar una carrera Universitaria o la educación en línea tiene importantes retos que vencer, antes un Posgrado, se vuelve un reto aún mayor el ofrecimiento de de ser una opción viable, efectiva y masiva para la sociedad en programas a distancia. Algunas Universidades contratan consultoras o empresas dedicadas a efectuar campañas masivas de marketing, call cen- ters, vendedores y promotores, como un gran equipo detrás de la educación en línea, eso ha permitido a Universidades en © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Artículos de opinión Vol. 5 No 1, Diciembre 2019 21 / 27 todo el mundo el tener una importante cantidad de alumnos en las Tecnologías de Información, además de los departamentos dicha modalidad; sin embargo, la deserción continúa siendo el administrativos de dichas áreas, para la conformación de un problema más complejo de solucionar, aunque probablemente Comité que permita evaluar la ruta de la Educación a distancia la solución sea sencilla, el acompañamiento efectivo de funcio- de la Universidad. El nuevo departamento deberá de estar ali- narios y maestros con los alumnos. neado a la visión de la Universidad, y tendrá que generar los espacios virtuales para implementar la formación de los estu- La fidelización del alumno diantes, no solo manejar una plataforma LMS, sino un nuevo Un alumno genera una fidelización a la Universidad, a su Facul- esquema de acercamiento, que permita cumplir la misión de la tad, a su programa de estudios, a sus compañeros, pero princi- Universidad y el gran reto de la educación en línea, la forma- palmente con los Maestros. Esa relación directa de aprendizaje ción integral de un alumno. en el aula es uno de los puntos más importantes para cualquier egresado Universitario, los profesores que marcan a los estu- El cambio de la estructura Universitaria, pero principal- diantes con su guía, son de lo más valorado por los alumnos, mente la generación de nuevos procesos, vinculantes con las y esa relación tan estrecha en las aulas tradicionales, está en áreas de escolares (al interior de la Universidad), áreas admi- segundo término en la educación en línea; por consiguiente, nistrativas y de promoción, sin forzar a la educación a distancia genera una falta de motivación en los alumnos, en entornos no- a los procesos tradicionales presenciales internos, llevará a un tablemente diezmados por la clásica educación a distancia de adecuado funcionamiento de esta modalidad. las Universidades, pasando a lo impersonal de una manera tan radical, que el solo esperar una respuesta en un foro, se vuelve El viejo esquema de realizar diseños instruccionales, colo- desalentador y frío para los participantes. carlos en plataforma, hacer un video introductorio y compartir links, para después activar clase a clase y revisar tareas y con- ¿Por qué se genera la deserción? testar en foros se vuelve obsoleto rápidamente ante las nuevas generaciones que requieren un acercamiento con el docente, con los funcionarios administrativos, para evitar el catastrófico escenario de la deserción. La deserción se genera por una falta de visión de cómo estruc- Adicional a lo anterior, se tendrán que crear nuevos es- turar la educación a distancia; es decir, viene desde la raíz. El quemas y complementarlos, como salones virtuales en donde creer que el hacer una educación en línea solo con generar di- el profesor vea directamente a los alumnos, en tiempo real, de seños instruccionales, colocarlos en una plataforma educativa manera síncrona. Y en donde ese espacio virtual se convierta en y contestar en foros, se garantiza el éxito de la educación en un verdadero salón de clase, con uno de los aspectos más enri- línea, ese es el principal error. Además del acompañamiento, quecedores de la educación: el diálogo docente y entre alumnos existen otros factores que permitirán enfocar los esfuerzos de al momento de estar explicando un tema, o haciendo juntos una la educación en línea para que tenga éxito. Las claves tendrían práctica. Lo cual, en los modelos actuales y tradicionales en que estar definidas en un primer paso, el modelo de educación a línea, no se tiene contemplado. distancia Universitaria, un documento en donde deben de parti- cipar las áreas académicas y administrativas de la Universidad La educación a distancia no es un simple repositorio de en relación con Tecnologías de Información, Educación y áreas diseños instruccionales y profesores contestando en foros, es de gestión, para que, entre administrativos y académicos pue- llevar la educación de manera real y efectiva a otras latitudes, dan replantear el modelo tradicional de la educación en línea, ahí está el principal reto, estar entre la evolución o el fracaso. para generar un modelo actualizado y adecuado, con relación a la visión y misión de las instituciones. Un modelo académico para la educación a distancia Referencias Sin un modelo académico actualizado para las modalidades a distancia, el fracaso será una constante en la educación en línea, [1] Delong, Andrew and Boykov, Yuri. Globally optimal seg- en donde se corre el riesgo de iniciar grupos con el mínimo de mentation of multi-region objects. Computer Vision, 2009 alumnos a distancia y en donde cada cuatrimestre o semestre IEEE 12th International Conference on, pages 285–292, se irán dando de baja. 2009, IEEE. Cuando el modelo académico de educación a distancia de las Universidades esté listo, se deberá de crear un departamento [2] Rutter, Michael Patrick. Harvard and MIT re- que se encargue de los procesos, además deberá de estar en lease working papers on open online learning. relación directa con las Facultades afines a la Educación y a http://news.harvard.edu/gazette/story/2014/01/harvard- and-mit-release-working-papers-on-open-online- learning. 2014 © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Artículos de opinión Vol. 5 No 1, Diciembre 2019 22 / 27 Ciencia de la computación y medicina en la era de Big Data El Dr. Oscar Cuadros-Linares trabaja hace 1 año como pos doctorando en el Laboratorio de Bases de Dados e Imágenes (GBDI), en la Universidad de São Paulo, Brasil. Actualmente se encuentra investigando métodos radiómicos para análisis de biopsias y tomografía computarizada de pulmón, con el objetivo de apoyar en el diagnóstico preciso y precoz de enfermedades intersticiales de pulmón Queda claro que, en general, la investigación en medicina genera mucho interés social. Debido a eso, las revistas espe- cializadas en computación y medicina suelen tener un factor de impacto alto, comparado con otras revistas de computación aplicadas a otra área del conocimiento. Por ejemplo, la revista IEEE Transactions on Medical Imaging presenta un factor de impacto de impacto de 7.8164. En medicina, a diferencia de otras áreas, estamos hablando de pacientes, “personas” que esperan por diagnósticos precisos y precoces para poder aplicar tratamientos adecuados a sus do- lencias. Diagnósticos equivocados o tardíos pueden traer serias consecuencias a la salud de los pacientes, inclusive irreversi- bles o hasta la muerte. Esto exige especial cuidado y dedicación de los profesionales que trabajan con datos médicos. Dr. Oscar Cuadros-Linares Es así que surgen los sistemas de detección (o diagnósti- co) automatizada asistida por computadora o CADe del inglés Los Inicios Automated-computer-aided detection/diagnosis. El objetivo de No es novedad que la computación ha sido aplicada en me- estos sistemas es asistir a los médicos en la interpretación dicina desde hace muchas décadas. Por ejemplo, a inicios de de imágenes médicas como: rayos X, ultrasonido, tomogra- los años 1950s se comenzaron a publicar los primeros artículos fía computarizada (TC), etc. Gran parte de la investigación que cubrían las áreas de ingeniería y computación aplicadas en sistemas CADe se ha basado en extracción de regiones de en biología y medicina. Estos artículos fueron publicados en interés o regions of interest (ROI). Se han aplicado diversas la revista IRE Transactions on Medical Electronics3, que bá- técnicas de procesamiento de imágenes como: estadísticas de sicamente publicaba avances en medicina y dispositivos elec- la intensidad, histogramas, gradiente de la intensidad y descrip- trónicos. Desde esa década hasta hoy, una enorme cantidad tores de forma. Además de algoritmos de clasificación como de revistas y conferencias especializadas han aparecido con el Support Vector Machine (SVM) y Random Forest Classifiers. objetivo aportar al desarrollo de la computación aplicada en Actualmente, la aplicación de los sistemas CAD abarca des- medicina. de detección de pólipos para diagnóstico de cáncer de colón, identificación de nódulos pulmonares, detección de tumores en 3Hoy IEEE Transactions on Biomedical Engineering mamas, entre otras muchas otras aplicaciones [1]. 4Verificado en 31 de Julio de 2019 Otro tipo de sistemas que han surgido en el mundo de la medicina asistida por computador son los que aplican el con- cepto de radiómica o Radiomics. La idea es extraer y analizar la mayor cantidad de información posible de diversas fuentes médicas como: imágenes, exámenes de laboratorio, síntomas, entre otros. La hipótesis principal del concepto de radiómica es que se debe incluir datos de todo tipo (biológicos, médicos, históricos) con el objetivo de proveer diagnósticos, pronósticos y predicciones mucho más precisas y rápidas. El gran reto de © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Artículos de opinión Vol. 5 No 1, Diciembre 2019 23 / 27 este tipo de sistemas es crear modelos que sean capaces de to estructurado (base de datos), disponibilidad (servicios web), extraer información diversa y útil que se genera durante todo el análisis (procesamiento de imágenes, minería de datos, Deep proceso de análisis médico [2]. learning), diagnóstico y tratamientos (CAD y radiómica) y di- seño de sistemas e interfaces de usuario adecuadas (ingeniería Por otro lado, en la última década se ha popularizado un del software). Todo desde la perspectiva de Big Data. nuevo término, que es de especial importancia para la compu- tación y estadística, hablamos de Big Data que en español sería El desafío es grande, pero los resultados son mayores, mi- algo como “gran cantidad de datos”. Esto se refiere básicamen- les de pacientes ya se ven beneficiados con diagnósticos pre- te a la enorme cantidad de datos disponibles, datos de todo cisos y rápidos, lo que conlleva a tratamientos adecuados y tipo: textuales, imágenes, vídeo, numéricos, variantes en el precoces. En nuestro país, la investigación en este campo des- tiempo, etc. Muchos de estos datos no están estructurados, son afortunadamente es aún pequeña. No obstante, existen algunos redundantes, obsoletos o innecesarios. Sin embargo, la gran proyectos impulsados por grupos de investigación de universi- mayoría de estos datos “esconde” información muy valiosa, dades, principalmente a nivel de posgrado. Hace falta impulsar “conocimiento”, que debería ser aprovechado. El estudio y ma- proyectos multidisciplinarios entre universidades y centros mé- nipulación de Big data ha generado tanto interés en el medio dicos. El sistema médico peruano necesita de estas tecnologías que han aparecido nuevos profesionales, conocidos como Data para mejorar la calidad de la atención médica en el país. El scientists, especializados en la llamada “Ciencia de datos”. conocimiento existe, los datos existen, la necesidad existe, los profesionales existen. Sólo hace falta liderar proyectos que en- La Ciencia de datos puede ser aplicada en prácticamente caren el desafío de aplicar computación y medicina en la era de cualquier área: ingeniería, computación, biología, química, so- Big Data. ciología, marketing, medicina, entre otras. En medicina, resulta cada vez más fácil (rápido y económico) el acceso a exámenes Referencias de laboratorio, radiografías, tomografías computarizadas, reso- nancias magnéticas y biopsias digitalizadas. Además de datos [1] Roth, Holger R and Lu, Le and Liu, Jiamin and Yao, Jian- de pacientes como: síntomas, edad, ambiente laboral, entre hua and Seff, Ari and Cherry, Kevin and Kim, Lauren and otros. Todos estos datos se almacenan diariamente en cantida- Summers, Ronald M. Improving computer-aided detection des enormes en diversos servidores a nivel mundial, superando using convolutional neural networks and random view ag- la capacidad de análisis de los sistemas CAD tradicionales. gregation. In IEEE transactions on medical imaging, IEEE , pages 1170–1181, 2015. La tendencia actual en investigación aplicada en medicina es usar y/o crear técnicas de Big data aplicadas en sistemas ra- [2] Kumar, Virendra and Gu, Yuhua and Basu, Satrajit and diómicos. En este contexto, se han publicado muchos artículos Berglund, Anders and Eschrich, Steven A and Schabath, que proponen diversas técnicas para aplicar conceptos de Big Matthew B and Forster, Kenneth and Aerts, Hugo JWL data y Radiomics. Sin embargo, aún existen grandes desafíos and Dekker, Andre and Fenstermacher, David and others. que requieren mucho trabajo por parte de profesionales de to- Radiomics: the process and the challenges. Magnetic das las áreas involucradas: medicina, biología, computación y resonance imaging, 2012. estadística principalmente. Estos desafíos van desde la adquisi- ción de datos de forma precisa (física médica), almacenamien- POSTGRADO ULASALLE La Universidad La Salle de Arequipa acaba de lanzar la POSTGRADO ULASALLE - Escuela de Postgrado, la cual cuenta con una Maestría en https://www.ulasalle.edu.pe/posgrado/ Derecho Empresarial la cual brinda las herramientas ne- cesarias para dominar el marco jurídico de las empresas y la normativa de los modelos de negocios nacionales e internacionales. Está enfocado en el campo del derecho y las finanzas para afrontar los retos de un mundo globali- zado. Además, se tiene el MBA con mención en negocios internacionales cuyo finalidad es brindar las herramien- tas necesarias para liderar proyectos empresariales a nivel nacional e internacional. A lo largo de la maestría apren- derás a dominar la gestión de recursos financieros y los diferentes eventos que condicionan los negocios en los continentes. © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa Emprendimiento e Innovación Vol. 5 No 1, Diciembre 2019 24 / 27 Software, innovación y empresa La ingeniera Marisol Galarza es una joven empresaria y capacitadora. Fundadora y encargada de dirigir el laboratorio de Robótica Imagine Labs y es Gerente de Ludio Robots. Ganadora del concurso nacional Start Up Perú del Ministerio de Producción, y Believe in yourself de la Universidad Católica San Pablo, ha sido ponente en Women’s Age de Telefónica Open Future, Wonder Tech Woman de Women in the Engineering, entre otros también asesoría de proyectos de innova- comercial y con una calidad indiscuti- ción e investigamos nuevas tecnologías. ble. Pronto planea venderse también al Imagine Labs además trabaja en conjunto público en general, para quienes quieran con La Universidad La Salle organizando aprender robótica de competencia y de competencias de robótica y exhibición de proyectos, profundizando en las áreas de proyectos. programación y electrónica. Marisol Galarza Image Labs ¿Por qué es importante el desarrollo de software? El software, en este punto, Durante algunos años, me he dado Durante este proceso de desarrollo y es una herramienta poderosa que nos ha a la tarea de entender qué nos hace falta aprendizaje, surgió una pregunta: ¿Cómo posibilitado concebir el proyecto Ludio, para empezar a industrializar el País, ges- podemos enseñar creación tecnológica si de hecho los directores del mismo somos tar una cultura de innovación tecnológica nosotros no creamos tecnología a un ni- ingenieros de sistemas, programadores y empezar a formar una generación de vel comercial? Y este fue el impulso que ambos. Programar es ejercitar un pensa- creadores; una de las razones que encon- requerimos para iniciar un nuevo pro- miento crítico y ordenado con el objeto tré en esa búsqueda, son los paradigmas yecto que llamamos Ludio. Ludio nació de resolver problemas, desarrollar habi- individuales que nos auto imponemos so- en el seno del centro de investigación de lidades de análisis para descomponer un bre el desarrollo de software de calidad Imagine Labs. problema complejo en partes o proble- y la investigación como algo inaccesible, mas sencillos, y así, al dar una solución difícil o peor aún, algo que solo podemos En Ludio trabaja un equipo multi- ordenada de estas pequeñas partes, ob- hacer bien en el exilio. Es aquí donde disciplinario de ingenieros electrónicos, tengamos la solución del problema total. nace Imagine Labs. mecánicos y programadores, que han di- señado y creado el primer kit de robótica Robot Ludio Imagine Labs es un laboratorio de de competencia hecho todo en Arequipa. Tanto en Ludio como en Imagine robótica que apunta a romper con los Este proyecto se viene implementando Labs, apostamos por una renovación convencionalismos y se decidió a en- con la UGEL en algunos colegios y aspi- del concepto de educación de calidad, señar programación y robótica a niños, ra a expandirse más allá de las fronteras buscamos no un cambio sino una trans- adolescentes y adultos que quieran crear de la región. formación de la educación; invertimos tecnología. El fin del laboratorio no es en la creación de herramientas tecno- solo el aprendizaje, sino la aplicación Ludio asimismo ha ganado el con- lógicas que nos permitan enseñar con de los conocimientos que vamos acumu- curso nacional StartUp Perú en su quinta diversión: programación, electrónica y lando. Motivar a los niños desde edades edición, lo que le ha proporcionado los ciencia en general, convirtiendo a los tempranas a la ciencia, la investigación y fondos para desarrollar sus kits a un nivel la innovación, desarrollar su creatividad y explotar sus potencialidades. Trabaja- mos con niños desde los 4 años hasta adultos sin límite de edad, en un abanico de programas dependiendo de la edad y el objetivo al que aspiren, brindamos © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa La Universidad en el mundo Vol. 5 No 1, Diciembre 2019 25 / 27 “solo usuarios” en “creadores tecnoló- del programador representa el valor del gicos”. Las capacitaciones se brindan en El software es además un recurso producto. El costo del mismo dependerá https://www.facebook.com/imaginelabsa- que podemos aprender para resolver pro- de cuán eficiente y eficaz es el código del requipa/, mientras que los kits blemas de forma eficiente y sin mucha programador, y esto se refleja en qué tan de robótica Ludio, se ofrecen en inversión monetaria, es decir, el capital rápida es la respuesta del programa. http://ludiorobots.com. humano es el bien principal. La calidad Espacio dedicado a estudiantes Mi experiencia en Grace Hopper Celebration círculos de mentoría, feria de trabajo, entre otros. 2019 Este año GHC se llevó a cabo en Orlando, Florida con apro- ximadamente 25,000 asistentes. Gracias a una beca proporcio- nada por los organizadores del evento, tuve la oportunidad de asistir y vivir una experiencia inolvidable. El tema de este año fue We Will/I Will (Vamos a/ Voy a), como propuesta a pensar en planes para el futuro. Es muy mo- tivador saber que personas que admiras se plantean un objetivo de manera tan clara y trabajan día a día para lograrlo. Ideas que a simple vista podrían parecer complicadas o hasta imposibles, convirtiéndose en realidad poco a poco. Es realmente impactante estar en un salón lleno de perso- nas de culturas y vivencias totalmente diferentes, pero que al mismo tiempo, comparten tus pasiones y puntos de vista. Tuve la oportunidad de conversar con bastante gente durante la feria de trabajo, talleres o incluso en el mismo pasillo camino a un sesión. Es increíble el nivel de talento que puede alcanzar una persona motivada por su pasión. Los consejos y enseñanzas al intercambiar ideas con tantas personas son definitivamente invaluables. Sara Díaz Oporto, alumna de la Universidad La Salle Otro punto sorprendente es la cantidad de oportunidades de Arequipa existentes para desarrollarse profesionalmente, pueden aplicar desde estudiantes de pregrado hasta investigadores. Una pla- taforma de este tipo cambia tu visión respecto a la búsqueda de crecimiento profesional, aprendes que existen muchísimas oportunidades, pero debes ir por ellas. Según un informe de la UNESCO sólo el 35 % de los es- Considero que participar en este evento tuvo un impacto tudiantes matriculados en las carreras vinculadas a las STEM muy grande en mi modo de ver el mundo. Quiero aprender, (Ciencia, Tecnología, Ingeniería y Matemática) en la educación aplicar a más oportunidades y motivar a que mi entorno crezca superior son mujeres. Estas disparidades de género son tanto conmigo. Se que hay mucho talento que necesita nada más un más alarmantes cuanto que se considera que, en general, las pequeño empujón. para despegar, que todos podemos colaborar carreras vinculadas con las STEM constituyen los empleos del con el desarrollo de nuestra comunidad. futuro, la fuerza motriz de la innovación, del bienestar social, Vamos a lograr un cambio y crecer juntos. del crecimiento inclusivo y del desarrollo sostenible. [1] Referencias Con la intención de terminar con esta brecha de género en la industria tecnológica es que nacen iniciativas como Grace [1] Descifrar el código: la educación de las niñas y las mujeres Hopper Celebration (GHC). Éste es el evento más grande a en ciencias, tecnología, ingeniería y matemáticas (STEM) nivel global de mujeres en tecnología. Reúne a investigadoras, https://unesdoc.unesco.org/- estudiantes y profesionales en una serie de charlas, talleres, ark:/48223/pf0000366649.locale=esl © Universidad La Salle - [email protected]

Universidad La Salle - Arequipa La Universidad en el mundo Vol. 5 No 1, Diciembre 2019 26 / 27 Universidad La Salle en el Mundo 1. Suramérica Unidos; College of Santa Fe Santa fe, Estados Uni- dos; La Salle University Philadelphia, Estados Uni- Universidad La Salle – Arequipa, Perú; Centre la- dos; Lewis University Romeoville, IL, Estados Uni- sallien d´Ètudes Supérieures en Éducation CLÉ Port dos; Manhattan Collage New York, Estados Unidos; de Paix, Haití; Centro Universitário La Salle – UNI- Saint Mary’s College of California California, Esta- LASALLE Canoas –RS-, Brasil; Corporación Uni- dos Unidos; Saint Mary’s University of Minnesota versitaria Lasallista Caldas, Antioquia, Colombia; Minnesota, Estados Unidos; Escuela Normal Superior San Pio X Choco, Colom- 4. Asia y Pacífico bia; Fundación La Salle de Ciencias Naturales Cara- cas, Venezuela; UCB – Universidad Católica de Bra- De La Salle - College of Saint Benilde Manila, Fili- silia Tanguatinga, Brasil; União Brasiliense de Edu- pinas; De La Salle Catholic University Manado, In- cação e Cultura UBEC Brasilia, Brasil; Unilasalle donesia; De La Salle Health Sciences Institute Ca- Manaus - AM Manaus - AM, Brasil; Universidad De vite, Filipinas; De La Salle Lipa Lipa City, Filipi- La Salle - Bogota Bogota, Colombia; Universidad La nas; De La Salle University Manila, Filipinas; De La Salle – Bolivia La Paz, Bolivia. Salle – Canlubang Biñan, Filipinas; De La Salle – 2. Centroamérica Dasmariñas Cavite, Filipinas; De La Salle- Arane- ta University Malabon City, Filipinas; De La Salle- Universidad De La Salle Bajío A.C Guanajuato, Professional Schools, Inc Manila, Filipinas; Immacu- México; Universidad De La Salle Chihuahua A.C. late Conception College-La Salle Ozamis City, Filipi- Chihuahua, México; Universidad De La Salle – San nas; La Salle College Antipolo Antipolo City, Filipi- Jose San Jose, Costa Rica; Universidad La Salle Oa- nas; La Salle High Secondary School Multan, Pakis- xaca Oaxaca, México; Universidad La Salle – Can- tán; University of St. La Salle Bacolod City, Filipinas. cún Quintana Roo, Cancún, México; Universidad La 5. Europa Salle – Cd. Victoria Tamaulipas, Cd. Victoria, Méxi- co; Universidad La Salle – Cuernavaca, A.C. More- Centre Lasallien African -CELAF-, adibjan - Riviera, los, Cuernavaca, México; Universidad La Salle – La- África; Ecole Catholique D´Arts et Métiers (ECAM) guna Durango, Laguna, México; Universidad La Sa- Lyon, Francia; Enginyeria i Arquitectura La Salle lle – México (ULSA) Distrito Federal - Cd. de Méxi- Barcelona, España; Fratelli Delle Scuole Cristiane co, México; Universidad La Salle – Morelia Michoa- - LA SALLE ROMA Roma, Italia; Insititute Poly- cán, Morelia., México; Universidad La Salle – Ne- technique LaSalle Beauvais Beauvais, Francia; Ins- zahualcoyotl Distrito Federal - Cd. de México, Mé- titut Reine Astrid De Mons (IRAM) Mons, Bélgica; xico; Universidad La Salle – Noroeste Sonora Cd. Institut Supérieur D’Architecture St.Luc de Bruxelles Obregón, México; Universidad La Salle – Pachuca Bruxelles, Bélgica; Instituto San Pio X Madrid, Espa- Pachuca, Hidalgo, México; Universidad La Salle – ña; ISAIP - ESAIP Angers, Francia; La Salle Campus Saltillo Coahuila, Saltillo, México; Universidad Ma- Madrid Madrid, España. rista La Salle – Guadalajara Guadalajara, Jalisco, Mé- 6. África xico; Universidad Tecnológica La Salle, León León, Centre Lasallien African – CELAF Abidjan - Rivie- Nicaragua. ra, África; Bethlehem University Bethlehem, Palesti- 3. Norteamérica na; Christ the Teacher Institute for Education Nairobi, Kenia. Bethlehem University, Bethlehem, Palestina; Christ the Theacher Institute of Education, Nairobi, Ken- ya; Christian Brothers University Memphis, Estados © Universidad La Salle - [email protected]

Av. Alfonso Ugarte N° 517, Cercado. Arequipa - Perú Telf.: (51 54) 607554 / 607555 [email protected] www.ulasalle.edu.pe