Resumen. En el presente proyecto se propone diseñar, desarrollar y evaluar un modelo un modelo basado en self-supervized learning para la predicción de episodios de sueño a partir de datos de uso de smartphones con sistema operativo Android. La idea principal del proyecto es la de utilizar una filosofía de modelado similar a la utilizada por [Yuan et al., 2023] pero con la diferencia que en nuestro caso los datos para la etapa de self-supervized learning serían las interacciones con el smartphone y para la etapa de supervized learning nuestra verdad (con la cual taggearemos los datos) será el status de despierto o dormido obtenido a partir de los datos de actigrafía (un relojito que mide la actividad similar a un Fitbit). El proyecto ya cuenta con datos taggeados de ~50 sujetos por ~20 noches utilizando actiimetrías y con registros de actividad de Android de ~100 sujetos de ~600 noches cada uno. Vale la pena mencionar que estamos en proceso de toma de datos, y en medio de un relanzamiento del reclutamiento de participantes. [Yuan et al., 2023] (https://www.medrxiv.org/content/10.1101/2023.07.07.23292251v1.full.pdf)
Palabras clave. Sueño – Modelado del comportamiento humano – Inteligencia Artificial – Smartphones
Conocimientos deseables. Se espera que el candidato tenga experiencia con modelado de datos y preferentemente redes neuronales (pytorch).
¿Qué podría aprender quien realice esta tesis? – El estudiante deberá enfrentarse a datos reales de los cuales deberá extraer la información relevante para el desarrollo del modelo. También deberá familiarizarse con la implementación de modelos de DNN, en particular en modelos que tienen una etapa de self-supervized learning. Finalmente, el estudiante deberá evaluar la validez del modelo propuesto para su uso en el campo de la epidemiología del sueño.
Dirección de la tesis
Spiousas, Ignacio
Escuela de Educación, Universidad de San Andrés
Contacto: ispiousas@udesa.edu.ar