Browsing by Author "Fernández Gavilanes, Milagros"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Introducing Petri nets to university students: a structured educational framework (material de apoyo)
    (2024-11-01) González Prieto, José Antonio; Fernández Gavilanes, Milagros; Ogando Martínez, Ana; Febrero Garrido, Lara; Regueiro Pereira, Araceli
    This paper outlines an approach to integrating Petri nets into university education, highlighting their use in modeling complex processes. Petri nets provide a mathematical and graphical way to represent concurrent and distributed systems, offering valuable skills for students in computer science, engineering, and applied mathematics. In education, Petri net modeling applies across disciplines, connecting with various subjects and fostering educational synergy. This encourages students to apply and expand knowledge across courses, enhancing their ability to solve complex problems. Our methodology combines foundational theory with practical applications, allowing students to model and analyze automation and control systems. Starting with basic concepts, the curriculum advances to structures for common automation sequences. It emphasizes practical experience, where students implement Petri net models using LADDER programming, an intuitive industrial automation language. This process helps students understand system behavior and industrial control mechanisms. This approach provides students with theoretical modeling knowledge and technical implementation skills, preparing them to meet the demand for expertise in automation and distributed systems.
  • No Thumbnail Available
    Item
    Mecanismos para la geolocalización de usuarios en Twitter
    (Centro Universitario de la Defensa en la Escuela Naval Militar, 2022-03-31) Andrés Pintos, Benjamín; Fernández Gavilanes, Milagros
    En este documento se tratan los dos métodos principales descritos en la literatura académica sobre la geolocalización en Twitter: el basado en el análisis de texto y el de análisis de las redes de usuarios. Se profundiza en las técnicas que emplea cada uno de ellos, especialmente aquellas relacionadas con el procesamiento del lenguaje natural, algoritmos de Machine-Learning y las relacionadas con el análisis de grafos. Posteriormente, se implementan en código Python los mecanismos necesarios para llevar a cabo todo el proceso de geolocalización siguiendo algunos de los métodos descritos. Para lo cual, se obtienen diversos conjuntos de tweets utilizando la API de Twitter y se almacenan en una base de datos MongoDB. Seguidamente se lee la información relevante y se inicializan las estructuras de datos que, tras su etapa de preprocesado, se utilizarán en los algoritmos de Machine-Learning o análisis de grafos y que permitirán la clasificación de los mismos como pertenecientes a una localización u otra. Aunque el código presentado no pretende competir en eficacia y exactitud con los métodos descritos en la literatura académica, sí que nos permite obtener una visión completa de su funcionamiento, permitiendo descender a los detalles de implementación como las librerías que se precisan, las estructuras de datos, los parámetros que determinan el comportamiento de los algoritmos de clasificación, las herramientas de visualización y presentación de resultados, etc. Obtendremos gracias a ello las conclusiones de índole práctica relacionadas con los distintos mecanismos de geolocalización y que permitan seleccionar el más adecuado en función de la utilidad final para la que se emplee tal localización.