Tesis pregrado (#2)

* avance marco teorico

* marco institucional, legal y normativo

* segundo entregable

entrega del marco teorico y estado del arte

* limpio
removida la pagina de agradecimientos, dedicatoria y siglas

papers/tesis-pregrado/0_0_PREAMBULO/Preambulo.tex

@@ -3,6 +3,7 @@
 \setlength{\bibsep}{5pt plus 0.3ex} %Espaciamiento en la bibliografía
 \setcounter{secnumdepth}{3} % Numera los subsubsecciones
 \usepackage[OT1]{fontenc}
+\usepackage{float}
 \usepackage[spanish, es-tabla, es-ucroman]{babel} %% reemplaza "cuadro" por "tabla"
 \decimalpoint  %Cambia coma por punto
 \usepackage{mathptmx}

papers/tesis-pregrado/1_4_RESUMEN/Resumen.tex

@@ -2,5 +2,6 @@
 \chapter*{\centerline {RESUMEN}}
 \markboth{RESUMEN}{}
 
-\lipsum[5] 
+El objetivo del presente trabajo consiste en el desarrollo de un sistema capaz 
+de pronósticar la evolución de tormentas a corto plazo en el territorio peruano.
 

papers/tesis-pregrado/1_7_SIMBOLOS/Simbolos.tex

@@ -2,5 +2,5 @@
 \chapter*{\centerline {LISTA DE SIGLAS Y ACRÓNIMOS}}
 \markboth{LISTA DE SIGLAS Y ACRÓNIMOS}{}
 %---
-	\input{1_7_SIMBOLOS/Secciones/2_Siglas.tex}
+
 

papers/tesis-pregrado/2_CAPITULO1/Secciones/1_Descripción.tex

@@ -1,3 +1,31 @@
 \section{Descripción de la situación problema}
 
-\lipsum[5]
+\subsection{Fatalidades por tormentas eléctricas}
+
+Según datos del SINADEF, desde el año 2017 hasta el 2021 se han registrado 277 
+fallecimientos a causa de rayos.
+
+\begin{table}[h]
+  \centering
+  \label{tab:fallecimientos_rayo}
+  \caption{Fallecimientos a causa de rayos. Obtenido de SINADEF el 29/11/2021}
+  \begin{tabular}{cc}
+    $Año$ & $Fallecimientos$\\
+    \hline
+    $2017$ & $54$\\
+    $2018$ & $61$\\
+    $2019$ & $56$\\
+    $2020$ & $56$\\
+    $2021$ & $50$\\
+    \end{tabular}
+\end{table}
+
+
+\subsection{Perdidas económicas por tormentas eléctricas}
+
+De acuerdo a la nota técnica del SENAMHI sobre Lineamientos para el diseño de 
+sistemas integrados de vigilancia y pronóstico hidrometeorológico con fines de 
+alerta temprana, los la destrucción de infraestructura ocasionada por fenómenos 
+climáticos como El Niño Costero representa más de US\$ 3100 millones de dólares
+americanos.
+

papers/tesis-pregrado/2_CAPITULO1/Secciones/2_Formulación.tex

@@ -1,7 +1,6 @@
 \section{Formulación del problema}
 
-\lipsum[8]
-
-
+La necesidad de pronósticos acertados de tormentas eléctricas a corto plazo debe
+ser cubierta para poder evitar perdidas humanas y económicas.
 
 

papers/tesis-pregrado/2_CAPITULO1/Secciones/3_Objetivos.tex

@@ -1,15 +1,22 @@
 \section{Objetivos}
 \subsection{Objetivo General}
 
-\lipsum[2]
-
+Desarrollar un sistema capaz de realizar pronósticos acertados a corto plazo de 
+manera automática de tormentas eléctricas en el territorio peruano.
+
 \subsection{Objetivos Específicos}
 \begin{itemize}
-\item Objetivo específico 1.
 
-\item Objetivo específico 2.
+\item Definir el tipo de modelo de aprendizaje profundo y métricas de evaluación 
+apropiados.
+
+\item Preparar el conjunto de datos sobre el que se realizará el aprendizaje.
+
+\item Seleccionar la combinación de parámetros apropiada utilizando las métricas 
+de evaluación definidas.
 
-\item Objetivo específico 3.
+\item Desplegar e integrar el sistema de pronóstico automatizado para monitorear 
+el desplazamiento y evolución de tormentas en el territorio peruano.
 
 \end{itemize}
 

papers/tesis-pregrado/2_CAPITULO1/Secciones/4_Justificación.tex

@@ -1,18 +1,25 @@
 \section{Justificación}
 \subsection{Justificación práctica}
 
-\lipsum[1]
+A nivel mundial, tener conocimiento del tiempo, el clima e información sobre el
+agua está aumentando, debido a la necesidad de los gobiernos de minimizar las
+crecientes pérdidas económicas y ayudar a los países a adaptarse al cambio
+climático. Estos factores afectan a las sociedades y economías a través de 
+eventos extremos, tales como inundaciones, heladas, friajes, sequías 
+prolongadas, y eventos climáticos de alto impacto que afectan la demanda de 
+electricidad y la capacidad de producción, fechas de siembra y cosecha, gestión 
+de la construcción, redes de transporte e inventarios, y salud humana entre los 
+temas más importantes.
 
 \subsection{Justificación académica}
-\begin{itemize}
-\item Hipótesis Específica 1.
-
-\item Hipótesis Específica 2.
-
-\item Hipótesis Específica 3.
-
-\end{itemize}
 
+El estudio de secuencias espaciotemporales con métodos de aprendizaje profundo 
+está aún en sus primeras etapas en contraste con los tradicionales métodos 
+numéricos. Estos métodos numéricos realizan simulaciones físicas para estimar
+parámetros climáticos, estas simulaciones requieren un gran poder computacional.
+A diferencia de los métodos numéricos, el uso de modelos de aprendizaje 
+profundo tiene menores requerimientos computacionales. Los modelos de 
+aprendizaje profundo se benefician de la gran cantidad de datos disponibles.
 
 
 

papers/tesis-pregrado/2_CAPITULO1/Secciones/5_Alcances.tex

@@ -1,20 +1,9 @@
 \section{Alcances}
 
-La metodología seguida para el desarrollo de la presente tesis es la siguiente:
-
-\begin{itemize}
-\item Paso 1.
-
-\item Paso 2.
-
-\item Paso 3.
-
-\item Paso 4.
-
-
-\end{itemize}
-
-
+Se va a desarrollar un sistema que monitoree de manera constante la presencia 
+de rayos en el territorio peruano y pueda pronósticar su desplazamiento y 
+evolución soportado por un modelo de aprendizaje profundo.
 
+El modelo en cuestión pronosticará la densidad de descargas (FED).
 
 

papers/tesis-pregrado/2_CAPITULO2/Capitulo2.tex

@@ -1,15 +1,19 @@
 \chapter{MARCO TEÓRICO}
 \markboth{CAPÍTULO \thechapter: MARCO TEÓRICO}{}
 
-\lipsum[23]
+En este capítulo se hará una revisión de conceptos relacionados al área de 
+estudio. Se revisarán también conceptos relacionados a las tecnologías empleadas 
+para el desarrollo del sistema. Se revisarán conceptos relacionados a las 
+instituciones involucradas en el estudio. Finalmente se revisarán conceptos 
+relacionados al ambito legal del uso de modelos de aprendizaje profundo.
 
-	\input{2_CAPITULO2/Secciones/1_Conceptual.tex}
+\input{2_CAPITULO2/Secciones/1_Conceptual.tex}
+
+\input{2_CAPITULO2/Secciones/2_Tecnologico.tex}
+
+\input{2_CAPITULO2/Secciones/3_Institucional.tex}
+
+\input{2_CAPITULO2/Secciones/4_Legal.tex}
 
-	\input{2_CAPITULO2/Secciones/2_Tecnologico.tex}
-
-	\input{2_CAPITULO2/Secciones/3_Institucional.tex}
-
-	\input{2_CAPITULO2/Secciones/4_Legal.tex}
-
 
 

papers/tesis-pregrado/2_CAPITULO2/Secciones/1_Conceptual.tex

@@ -1 +1,18 @@
 \section{Marco Conceptual}
+
+\subsection{Nowcasting}
+El pronóstico a muy corto plazo, conocido como nowcasting fue definido por la
+\cite{wmo2017} como el pronóstico con detalles locales, por cualquier método, 
+durante un período que va desde el presente hasta 6 horas, incluida una 
+descripción detallada del tiempo presente.
+
+
+\subsection{Geostationary Lightning Mapper}
+\cite{GOODMAN201334} definió a el Mapeador de Rayos Geoestacionario 
+(Geostationary Lightning Mapper, GLM) como un instrumento a bordo del Satélite 
+Geoestacionario Operacional Ambiental (Geostationary Operational Environmental 
+Satellite, GOES) que mapea actividad de rayos continuamente durante el día y 
+noche sobre las Américas y regiones oceánicas adyacentes. Conceptualmente, el 
+GLM es un detector de eventos de alta velocidad que opera en el espectro 
+infrarojo cercano.
+

papers/tesis-pregrado/2_CAPITULO2/Secciones/2_Tecnologico.tex

@@ -1 +1,55 @@
-\section{Marco Tecnologico}
+\section{Marco Tecnológico}
+
+\subsection{Aprendizaje automático}
+
+Según \cite{mitchell1997machine}, el aprendizaje automático (Machine Learning) 
+es el estudio de algoritmos que son capaces de mejorar su desempeño en tareas 
+específicas por medio del uso de datos.
+
+\subsection{Redes Neuronales Artificiales}
+
+Las redes neuronales artificiales son un modelo compuesto por múltiples capas 
+interconectadas de manera similar a las conexiones de neuronas en el cerebro 
+humano. Las diferentes arquitecturas de redes neuronales les dan el potencial 
+de ser aproximadores universales de funciones \cite{braspenning1995artificial}. 
+% Quizá incluir imagenes del simil entre redes neuronales y el cerebro
+
+\subsection{Aprendizaje profundo}
+
+Las técnicas de aprendizaje automático adolecen de un problema fundamental. 
+Requieren de dominio considerable del área de aplicación para extraer 
+características de los datos y poder transformarlos en una representación 
+adecuada para que el modelo pueda reconocer patrones. \cite{LeCun2015} definen
+los métodos de aprendizaje profundo (Deep Learning) como métodos que permiten a 
+las máquinas descubrir representaciones significativas en conjuntos de datos 
+sin procesar.
+% Incluir imagenes de un perceptron multicapas
+
+
+\subsection{Redes Neuronales Convolucionales}
+
+Las redes neuronales convolucionales (Convolutional Neural Networks, CNN) son 
+una clase de red neuronal artificial inspiradas por procesos biológicos en los 
+que las neuronas responden a estímulos en una región restringida del campo 
+visual, denominado campo receptivo (Fukushima, \citeyear{Fukushima1980}). 
+\cite{Ciresan2011FlexibleHP} popularizaron su uso al demostrar que la 
+aceleración por hardware podía reducir el tiempo de procesamiento en un factor 
+de 60. En ese mismo año, usaron dicha implementación para ganar un concurso de 
+reconocimiento de imagenes, despertando más interés en la comunidad de visión 
+por computador.
+% Incluir imagenes de la operación de convolución
+% Hablar sobre los parámetros
+
+
+\subsection{Redes Neuronales Recurrentes}
+
+Las redes neuronales recurrentes (Recurrent Neural Networks, RNN) son una clase 
+de red neuronal artificial que permite modelar comportamiento secuencial a lo 
+largo de una dimensión (usualmente temporal). Las RNN utilizan un estado interno 
+denominado memoria para poder procesar una secuencia de longitud variable de 
+entradas \cite{Abiodun2018}.
+% Incluir imagenes sobre el tratamiento de secuencias
+% Hablar sobre distintos tipos de RNN
+
+
+

papers/tesis-pregrado/2_CAPITULO2/Secciones/3_Institucional.tex

@@ -1 +1,49 @@
-\section{Marco Institucional}
+\section{Marco Institucional}
+
+El presente trabajo se desarrolla en conjunto con el Servicio Nacional de 
+Meteorología e Hidrología del Perú (SENAMHI) para apoyar uno de sus procesos 
+misionales.
+
+\subsection{Servicio Nacional de Meteorología e Hidrología del Perú}
+
+El SENAMHI es un organismo público adscrito al Ministerio del Ambiente (MINAM). 
+Tiene como misión generar y proveer información y conocimiento meteorológico, 
+hidrológico y climático para la sociedad peruana de manera oportuna y 
+confiable, contribuyendo de esta manera a la reducción de los impactos 
+negativos producidos por los fenómenos naturales de origen hidrometeorológico.
+
+\begin{figure}[H]
+  \centering
+  \includegraphics[height=8cm]{E_IMAGENES/2_MarcoTeorico/mapro}
+  \caption{
+    Mapa de Procesos del SENAMHI.\\
+    Fuente: Manual de Procesos y Procedimientos 2020.
+  }
+  \label{fig:mapro}
+\end{figure}
+
+Según \cite{senamhi2020rof} entre sus funciones se encuentra ``Organizar, normar 
+y promover un sistema de vigilancia del medio ambiente atmosférico del país, a 
+fin de prevenir los peligros de la contaminación ambiental''. Esta función se 
+materializa en el proceso misional 02 ``Gestión de Vigilancia y Pronóstico'' del 
+Mapa de Procesos que se observa en la figura \ref{fig:mapro}.
+
+\begin{figure}[H]
+  \centering
+  \includegraphics[height=8cm]{E_IMAGENES/2_MarcoTeorico/PM02}
+  \caption{
+    Proceso misional 02: Gestión de vigilancia y pronóstico\\
+    Fuente: Manual de Procesos y Procedimientos 2020.
+  }
+  \label{fig:pm02}
+\end{figure}
+
+El proceso M.02.03, ``Gestión de Pronósticos Meteorológicos, Hidrológicos, 
+Agrometeorológicos, Climáticos y Ambiental Atmosféricos'', que se observa en la 
+figura \ref{fig:pm02} comprende entre sus procedimientos la elaboración de 
+pronósticos del tiempo y tiene como uno de sus productos el pronóstico a muy 
+corto plazo. 
+
+De acuerdo a \cite{senamhi2021govdig}, es parte del Plan de Gobierno Digital del 
+SENAMHI la ampliación de funcionalidades del sistema de pronóstico inmediato 
+(nowcasting).

papers/tesis-pregrado/2_CAPITULO2/Secciones/4_Legal.tex

@@ -1 +1,37 @@
-\section{Marco Legal}
+\section{Marco Legal y Normativo}
+
+\subsection{Lineamientos para el diseño de sistemas integrados de vigilancia y 
+pronóstico hidrometeorológico con fines de alerta temprana}
+
+\cite{senamhi2021lineamientos} indica que los servicios y productos asociados a 
+la alerta temprana deben obedecer el principio de subsidiariedad, lo que 
+significa que los avisos de peligro a muy corto plazo deben poder ser generados 
+por las oficinas desconcentradas del SENAMHI.\newline
+La continuidad del servicio requiere además un sistema robusto y resiliente, 
+siguiendo el principio de subsidiariedad, la sede central del SENAMHI apoyaría 
+a los organos desconcentrados en la generación o entrega de productos en caso 
+de que sus capacidades se vean sobrepasadas.
+
+\subsection{Recommendation of the Council on Artificial Intelligence}
+
+De acuerdo con \cite{oecd2019recom} uno de los principios para la 
+administración responsable de la inteligencia artificial es la 
+\textbf{Robustez, seguridad y protección}:
+\begin{itemize}
+  \item Los sistemas de IA deben ser robustos y seguros durante todo su ciclo 
+  de   vida de tal manera que, en condiciones de uso normal, uso o maluso 
+  previsible,   u otras condiciones adversas, funcionen apropiadamente y no 
+  planteen un riesgo de seguridad no razonable.
+  \item Para este fin, los actores involucrados deben asegurar la trazabilidad, 
+  incluso en relación a los conjuntos de datos, procesos y decisiones hechas 
+  durante el ciclo de vida del sistema, para habilitar el análisis de los 
+  resultados del sistema.
+  \item Los actores deberán, basado en sus roles, aplicar un enfoque 
+  sistemático de gestión de riesgos a cada fase del ciclo de vida del sistema 
+  para atender los riesgos relacionados a sistemas de IA, incluyendo seguridad 
+  digital y sesgo.
+\end{itemize}
+
+
+% Lineamientos para el diseño de sistemas integrados de vigilancia y pronóstico hidrometeorológico con fines de alerta temprana
+% ENIA Peru

papers/tesis-pregrado/2_CAPITULO3/Capitulo3.tex

@@ -1,13 +1,9 @@
 \chapter{ESTADO DEL ARTE}
 \markboth{CAPÍTULO \thechapter: ESTADO DEL ARTE}{}
 
-\lipsum [6]
+\input{2_CAPITULO3/Secciones/1_Taxonomia.tex}
 
-	\input{2_CAPITULO3/Secciones/1_Taxonomía.tex}
-
-	\input{2_CAPITULO3/Secciones/2_Revisión.tex}
-
-	\input{2_CAPITULO3/Secciones/3_Benchmarking.tex}
+\input{2_CAPITULO3/Secciones/2_Benchmarking.tex}