Home » Articles posted by Jorge Ribeiro

Author Archives: Jorge Ribeiro

Llamado Docente Grado 5 Dpto. de Potencia

REPARTIDO Nº 02/19

LLAMADO Nº 05/2019, Exp. 060180-002480-18

Se llama a aspirantes para la provisión en efectividad de un cargo (Tipo II, Tecnológico) de PROFESOR TITULAR (Grado 5, 6 horas semanales) para el Departamento de Potencia del INSTITUTO DE INGENIERÍA ELÉCTRICA.

Plazo :  Jueves 03/01/2019 – Miércoles 06/03/2019

CERRADO Llamado Docente Grado 1 Núcleo de Ingeniería Biomédica NIB

LLAMADO Nº 64 – Exp. Nº071600-008285-18

2 cargos de Ayudante del Núcleo de Ingeniería Biomédica NIB

Plazo : Miércoles 12/12/18 – Jueves 27/12/18

Ver llamado

Ver bases

Curso “Algoritmos y arquitecturas para procesamiento de señales digitales”

Docentes : Prof Lirida Naviner (Télécom ParisTech, Francia). El Profesor responsable local es el Dr Fernando Silveira con la participación también del Ing Francisco Veirano

Créditos : A confirmar

Fecha de inicio :  A confirmar

Fecha de finalización : A confirmar

Duración : A confirmar

Horario : A confirmar

Salón : A confirmar en Facultad de Ingeniería, Julio Herrera y Reissig 565

Consultas : Fernando Silveira (silveira@fing.edu.uy) y Francisco Veirano (fveirano@fing.edu.uy)

Curso “Procesamiento de imágenes satelitales a gran escala”

Docentes : Dr Gabriele Facciolo (CMLA, ENS París Saclay, Francia), Dr Enric Meinhardt-Llopis (CMLA, ENS Cachan, Francia) y Dr Carlo de Franchis (CNRS, París, Francia). El Profesor responsable local es el Dr Pablo Musé.

Créditos : 4 créditos; 20 horas presenciales

Fecha de inicio :  Lunes 22/04/19

Fecha de finalización : Viernes 26/04/19

Horario : 3 horas de clase por día

Salón : A confirmar en Facultad de Ingeniería, Julio Herrera y Reissig 565

Consultas : Pablo Musé (pmuse@fing.edu.uy)

Formulario de Aprobación Curso de Actualización

Formulario de Aprobación Curso de Posgrado

Defensa Tesis Maestría : “Espionaje por emisiones electromagnéticas”

Miércoles 12 de diciembre 17:00hs, Laboratorio de Medidas del IIE, Facultad de Ingeniería, J. Herrera y Reissig 565

Tenemos el agrado de invitarlos a la defensa de tesis de maestría de Pablo Menoni :  “Espionaje por emisiones electromagnéticas”

Tutor : Federico Larroca

Tribunal : Pablo Belzarena (IIE), Gustavo Betarte (InCo), Eduardo Cota (IIE) y Mauricio Delbracio (IIE)

Saludos,

Federico Larroca

Resumen :

La temática del espionaje en general, y en particular el referido a información digital, ha cautivado a muchos colectivos, desde la industria cinematográfica hasta la academia, pasando por campos tan diversos como el periodismo y la política. En este trabajo se profundiza en el estado del arte y se muestran algunos aspectos de una de las vulnerabilidades menos difundidas : las que ocurren por emanaciones de ondas electromagnéticas, a las cuales están sujetos la gran mayoría (sino todos) de los modernos sistemas de información y que muchas veces pasan desapercibidos.

A partir de la detección y procesamiento de esas emanaciones, se dejan en evidencia las debilidades desde el punto de vista de seguridad y privacidad que éstas acarrean. Estos aspectos se pueden vulnerar en un gran número de sistemas de información, por individuos con conocimientos acerca de teoría electromagnética, de los adquiridos en cursos de grado universitario, y un manejo de software a nivel programador, junto con el empleo de herramientas de hardware de bajo costo como SDR (Software Defined Radio por sus siglas en inglés).

El trabajo se aborda tomando como punto de partida el espionaje de emanaciones provenientes de la interfaz VGA (Video Graphic Array), en particular del desarrollo hecho por Martin Marinov [1], para luego extenderlo a las emanaciones de la interfaz HDMI (High-Definition Multimedia Interface).

Se realizan todos los planteos analíticos que permiten complementar el trabajo de Marinov, cubriendo aspectos teóricos que explican las características de la detección de imágenes a partir de las emanaciones. Se aportan algunos elementos para mejorar la detección tales como procesamiento off line y ecualización, además todos los elementos necesarios para analizar las emanaciones derivadas de las señales HDMI.

Enfocando el trabajo hacia las imágenes que contienen texto, se analizan las particularidades que presentan las emanaciones en cuanto a las transiciones bruscas de contraste en la luminiscencia, especialmente bordes entre color negro y blanco.

También se realizan algunas consideraciones y recomendaciones sobre seguridad, donde el hincapié se hace en tomar medidas para burlar el espionaje de emanaciones espurias, y sobre todo ayudar a tomar conciencia de las vulnerabilidades presentes.

Quedan disponibles los scripts usados en los ambientes de simulación tanto para GNU Octave como para GNU Radio Companion, así como también las grabaciones de las emanaciones captadas en las instancias de pruebas de campo, dentro del sitio web del grupo ARTES (Análisis de Redes, Tráfico y Estadísticas de Servicio) del Instituto de Ingeniería Eléctrica de la Facultad de Ingeniería (UdelaR) : https://iie.fing.edu.uy/investigacion/grupos/artes/es/proyectos/espionaje-por-emisiones-electromagneticas/.

Palabras clave : SDR, espionaje, seguridad, TEMPEST, video, VGA, HDMI

[1] Martin Marinov, Remote video eavesdropping using a software-defined radio platform. University of Cambridge, Computer Laboratory, Cambridge CB3 0FD, Reino Unido, Junio 11, 2014.

Curso “Rehabilitación del control del movimiento”

Docente : Andy Hoffer (Simon Fraser University)

Fecha de inicio :  11 de febrero de 2019

Fecha de finalización :  22 de febrero de 2019

Duración : 2 semanas (más evaluación)

Horario : 08:00 a 12:00hs (a confirmar)

Salón : A confirmar en Facultad de Ingeniería, Julio Herrera y Reissig 565

Consultas : Julián Oreggioni (juliano@fing.edu.uy) y Angel Caputi (acaputi@iibce.edu.uy)

Entre el 11 y el 22 de febrero de 2019 nos visitará el Dr Andy Hoffer de Simon Fraser University(Canadá) para dar un curso de posgrado sobre Rehabilitación del Control del Movimiento, orientado a ingenieros biomédicos, ingenieros eléctricos, médicos, fisioterapeutas, kinesiólogos o terapeutas ocupacionales, entre otros. El curso se desarrollará a lo largo de dos semanas presenciales intensivas (de toda la mañana por ejemplo), y un examen final 5 o 6 semanas después, con clases de consulta en el medio (remotas).

El curso se está  co-organizando entre el  Dr Julián Oreggioni y el Dr Angel Caputi del IIBCE. Su objetivo principal es brindar una primera aproximación al área de interfase entre la ingeniería y la neurociencia, es autocontenido, y tiene aspectos bien interesantes, relacionados con la experiencia del Dr Hoffer en el desarrollo y comercialización de dispositivos médicos (incluyendo ensayos clínicos, requisitos regulatorios y vías de comercialización para terapias innovadoras). Además del potencial académico que tiene el problema a ser abordado, puede dar origen a un aspecto traslacional de la investigación en neurociencia y promover la innovación en un campo de la salud poco desarrollado en nuestro medio.

Para inscribirse hacer click aquí

Curso “Aprendizaje Profundo por Refuerzo” (Deep Reinforcement Learning)

Docentes : Pablo Sprechmann (Google DeepMind), José Lezama (IIE), Maurcio Delbracio (IIE)

Fecha de inicio : 25 de febrero de 2019

Fecha de finalización : 1° de marzo de 2019

Duración : 1 semana

Horario : Lunes a Viernes de 09:00 a 12:00hs

Salón : A confirmar en Facultad de Ingeniería, Julio Herrera y Reissig 565

Consultas : Mauricio Delbracio (mdelbra@fing.edu.uy)

El objetivo del curso es presentar una introducción al reinforcement learning (aprendizaje por refuerzos) y al deep reinforcement learning, de forma que los estudiantes sean capaces de implementar, aplicar y evaluar algoritmos relevantes utilizando la herramienta Tensorflow. El reinforcement learning es un área del aprendizaje de máquinas cuyo objetivo es determinar qué acciones debe escoger un agente en un entorno dado con el fin de maximizar alguna noción de “recompensa” o premio acumulado. El deep reinforcement learning es una sub-área del reinforcement learning en donde redes neuronales (entrenadas mediante técnicas de aprendizaje profundo) son utilizadas como funciones aproximantes por algoritmos de reinforcement learning. El aprendizaje profundo por refuerzo tiene potencialmente una gran cantidad de aplicaciones. Cualquier aplicación en la que necesite encontrar la mejor política para tomar una acción con el fin de maximizar un objetivo dado en contexto complejo (difícil de modelar) es un buen candidato de aplicación. Algunos ejemplos son: entrenamiento de robots o tareas robóticas, control del tráfico urbano, administración de sistemas de energía con fuentes y configuraciones de generación múltiples, piloto automático de vehículos autónomos, comercio con estrategias óptimas.

El curso cubre dos partes. La primera es una introducción a los problemas de predicción y control utilizando técnicas del reinforcement learning. La segunda, aborda el deep reinforcement learning, en particular los recientes avances en el área. El objetivo es cubrir los aspectos teóricos básicos del aprendizaje por refuerzos, y los principales desarrollos algorítmicos que han aparecido en los últimos años en el área de deep reinforcement learning. El curso busca presentar a los estudiantes los principales aspectos de modelado, algorítmicos y de optimización de forma de que ellos mismos sean capaces de implementar sus propios modelos.

Keywords : Aprendizaje por Refuerzo, Aprendizaje Profundo, Deep Reinforcement Learning

DRL2019-afiche

CERRADO Llamado Docente Grado 2 Núcleo de Ingeniería Biomédica NIB

LLAMADO Nº 20 – Exp. Nº 071600-008293-18

2 cargos de Asistente del Núcleo de Ingeniería Biomédica NIB

Plazo : Miércoles 28/11/18 – Martes 11/12/18

Ver llamado

El IIE en los medios : MedAcel, dispositivo creado en nuestro instituto y que rastrea la actividad física del usuario a lo largo del día

En la era digital, el potencial de la tecnología médica parece no tener límites, muestra de ello, es el dispositivo MedAcel, creado a partir de un Proyecto de Fin de Carrera del IIE,  por los estudiantes Joaquín Facal, Nicolás Gammarano y Alex Gurevich, y que contó con la tutoría del docente de Electrónica Ing Pedro Arzuaga

Para poder acceder a la nota completa, la cual se publicó en El Observador, en su edición del día lunes 26/11/18, les dejamos el link  para compartir con todo el colectivo del IIE

 

CERRADO Llamado Docente Grado 2 Dpto. de Procesamiento de Señales

REPARTIDO Nº 56/18

LLAMADO Nº 135/2018, Exp. 060180-002149-18

Se llama a CONCURSO DE MÉRITOS para la provisión en efectividad de un cargo (Tipo II – Tecnológico) de ASISTENTE (Grado 2, 10 horas semanales) del Departamento de Procesamiento de Señales del INSTITUTO DE INGENIERÍA ELÉCTRICA – IIE.

Plazo : Miércoles 28/11/2018 – Jueves  27/12/2018