Josué Amador-RojasJosué Amador-Rojas Ciencia
Investigaciones, experimentos y exploraciones orientadas a comprender problemas computacionales.
2026
Métodos de Newton para optimización
Estudio de métodos de optimización multivariable mediante dos casos: Newton sobre la función de Rosenbrock y L-BFGS para entrenar una red neuronal que aproxima la función seno. El repositorio contiene las implementaciones y el material complementario.
Caso de estudio
Tecnologías: MATLAB, Python, PyTorch, L-BFGS
2026
Aproximación de imágenes con un algoritmo genético
Exploración de un algoritmo genético que aproxima una imagen de referencia mediante cuadrados de color y permite observar los efectos de la selección, el cruce y la mutación a través de generaciones.
Exploración independiente
Tecnologías: JavaScript, p5.js
2026
Detección de phishing con un perceptrón multicapa
Exploración de clasificación supervisada que utiliza características extraídas de URL para entrenar un perceptrón multicapa capaz de distinguir entre direcciones legítimas y casos de phishing.
Exploración académica
Tecnologías: Python, TensorFlow, PyTorch, scikit-learn, pandas, NumPy
2026
Experimento sobre compresión y ruido en imágenes
Experimento reproducible que estudia el efecto del ruido sobre la compresión PNG y WebP en distintos bloques de contenido. El repositorio contiene la tubería experimental y el material necesario para reproducir el análisis.
Experimento reproducible
Tecnologías: Python, R, Make
2025
Análisis de bitácoras de misiones espaciales
Aplicación de escritorio que realiza análisis léxico y sintáctico de bitácoras de misiones, reporta entradas inválidas y presenta métricas, filtros, gráficos, recursos y análisis por usuario en una interfaz gráfica.
Proyecto académico
Tecnologías: Python, PLY, Tkinter, Matplotlib, NumPy
2025
Optimización de horarios universitarios
Aplicación interactiva que genera horarios universitarios válidos a partir de cursos y preferencias, detecta traslapes y evalúa las soluciones según el turno, la hora de almuerzo, los espacios entre clases y la cantidad de días. Compara búsqueda exhaustiva, selección aleatoria, una heurística voraz con retroceso y recocido simulado.
Proyecto académico
Tecnologías: Python, Exhaustive search, Greedy heuristics, Backtracking, Simulated annealing