Oferta de TFT

Una de las tareas más habituales en el ámbito forense es la detección de falsificaciones en manuscritos. En este TFG se evaluará la posibilidad de modificar automáticamente la letra manuscrita de una persona, tanto su forma como su velocidad de escritura. Para ello se representará la escritura en el dominio Sigma-Lognormal y se modificaran los puntos objetivo-virtuales. Para grabar escritura se dispone de un iPad y de la librería Matlab iDeLog para representarla en el dominio Lognormal.

Requiere habilidades de programación en Matlab.

Con la implantación de las nuevas tecnologías, el movimiento puede ser cuantificado y dar datos objetivos a los deportistas o entrenadores sobre el desarrollo de la actividad física. El objetivo de este proyecto a partir de distintos tipos movimientos repetitivos con un reloj inteligente (por ejemplo natación, carrera, pesas,), avisar del momento en que el usuario comienza a cansarse o a disminuir la eficacia de su movimiento.

Requisitos: Programación en IOS y Matlab o Python.

Con la implantación de las nuevas tecnologías, el movimiento puede ser cuantificado y dar datos objetivos a los educadores o psicólogos para ayudarles en sus diagnósticos. El objetivo de este proyecto a partir de distintos tipos de gestos capturados con un reloj inteligente, estudiar qué parámetros y sistema de IA permite discriminar mejor entre diferentes tipos de trastornos.

Requisitos: Aprendizaje automático, Matlab o Python.

Con la implantación de las nuevas tecnologías, el movimiento puede ser cuantificado y dar datos objetivos a los educadores o psicólogos para ayudarles en sus diagnósticos. El objetivo de este proyecto es a partir de distintos tipos dibujos capturados con una tableta, estudiar qué parámetros y sistema de IA permite discriminar mejor entre diferentes tipos de trastornos.

Requisitos: Aprendizaje automático, Matlab o Python.

Con la implantación de las nuevas tecnologías, el proceso de escritura puede ser cuantificado y dar datos objetivos. El objetivo de este proyecto es crear una aplicación que pueda cuantificar lo ideal que es la letra escrita sobre una tableta y su legibilidad.

Tiempo estimado: 4 meses.

Requisitos: Programación en IOS y Matlab o Python

Con la implantación de las nuevas tecnologías en los colegios, el proceso de escritura puede ser cuantificado y dar datos objetivos a los educadores o psicólogos para ayudarles en sus diagnósticos. El objetivo de este proyecto es desarrollar una aplicación en IOS que permita crear una base de datos con los dibujos realizados en un iPad por diferentes usuarios y presentar los informes obtenidos para que los clínicos puedan realizar un seguimiento.

Requisitos: Programación en IOS o Android

El objetivo de este proyecto es evaluar la posibilidad de usar la señal obtenida de un sensor EEG, para discriminar entre al menos dos dibujos (circulo y cuadrado) realizados sobre una tableta digital utilizando técnicas de aprendizaje automático y técnicas utilizadas en la evaluación del movimiento.

Requisitos: Aprendizaje automático, Matlab o Python

El objetivo de este proyecto es evaluar la posibilidad de usar la señal obtenida de un sensor EEG, para discriminar entre dos movimientos realizados con el brazo utilizando técnicas de aprendizaje automático y técnicas utilizadas en la evaluación del movimiento.

Requisitos: Aprendizaje automático, Matlab o Python

Nuestro proyecto se basa en un algoritmo innovador en Matlab que recupera trazados de escritura a partir del esqueleto del manuscrito https://github.com/gioelecrispo/wor. El objetivo es introducir una velocidad humanoide basada en el principio de la lognormalidad. Una vez incorporada esta velocidad, realizaremos pruebas de reconocimiento biométrico, comparando los resultados obtenidos con los datos reales y los datos recuperados. Buscamos estudiantes con habilidades de programación en Matlab para unirse a este proyecto.

Este estudio se enfoca en la multi-clasificación de patologías en vacas lecheras. Utilizando datos recopilados a través de unidades inerciales de relojes inteligentes, nuestro trabajo se centra en la aplicación de técnicas de aprendizaje automático y aprendizaje profundo para mejorar la precisión en la tarea de multi-clasificación. Se valoran habilidades de programación, especialmente en Python. ¿Tienes la capacidad y el interés? Únete a nuestro equipo de investigación.

A través del análisis de datos inerciales de vacas lecheras, tanto sanas como afectadas por cojeras, investigamos diferencias significativas en parámetros cinemáticos. Utiliza nuestro software académico basado en Matlab, desarrollado en la ULPGC, para la extracción de datos https://idelog4all.ulpgc.es/. ¿Posees habilidades en programación y estadística? Únete a nuestro equipo de investigación.

El proyecto pretende eliminar el ruido introducido por el movimiento de una cámara en un entorno deportivo, preservando el movimiento de los atletas en la escena y analizando la trayectoria de los mismos.

Se requieren habilidades en algún framework de deep learning (Keras o Pytorch).

Desarrollo de aplicativo de alto rendimiento, que descargue de manera masiva textos, partiendo de un tópico de búsqueda, y produzca una visualización en tiempo real de sentimiento, haciendo uso de computación paralela y big data.

Desarrollo de metodologías nuevas para el análisis automático de sentimiento utilizando modelos probabilísticos de tipo bayesiano. Se trata de definir, desarrollar y evaluar una metodología nueva de análisis de textos, de tipo probabilístico (bayesiano).

Se espera publicar un artículo de revista indexada en parte como resultado de este TFG, incluyendo como autor al/la alumno/a.

Se trata de crear un dataset de textos equivalentes generados por IA generativa o por humanos y aplicar técnicas avanzadas de aprendizaje automático para clasificar los textos según su origen humano o artificial.

Se trata de desarrollar un plug-in Moodle para monitorizar ritmos y patrones de tecleo de alumnos, durante una lección interactiva facilitada en Moodle y detectar con una granularidad fina las emociones de los sujetos.

Se espera publicar un artículo de revista indexada en parte como resultado de este TFG, incluyendo como autor al/la alumno/a.

Dos de los elementos básicos para el diseño de sistemas de visión autónomos tienen que ver con el conocimiento de la estructura tridimensional del entorno y del desplazamiento de los objetos en la escena. Dada una secuencia de imágenes, o un vídeo de una escena real, el objetivo de este TFT es aplicar técnicas de visión por ordenador para obtener un modelo 3D de la escena y estimar el movimiento de los objetos. Se emplearán técnicas de visión y redes neuronales.

El objetivo de este trabajo es utilizar redes neuronales convolucionales y/o Vision Transformers para clasificar y segmentar distintos tipos de enfermedades a partir de imágenes de resonancia magnética (MRI).

Uno de los cuellos de botella en la gestión de las empresas es la inserción de datos en sus sistemas de información, que se suele realizar de forma manual. Esto produce errores de transcripción y falta de uniformidad en los datos. El objetivo de este TFG es utilizar redes neuronales recientes con el fin de extraer, automáticamente, información detallada de documentos estructurados, tales como facturas, recibos, albaranes, etc. Los documentos pueden estar en formato PDF o imagen, y la salida se debe organizar en formato JSON para poder importar los datos en cualquier ERP.

Se trata de desarrollar un plug-in Moodle para monitorizar imágenes de alumnos mientras están frente a la cámara de un ordenador portátil, durante una lección facilitada en Moodle y detectar con una granularidad fina las emociones de los sujetos.

Se espera publicar un artículo de revista indexada en parte como resultado de este TFG, incluyendo como autor al/la alumno/a.

Desarrollar una aplicación que permita jugar al bridge contra el ordenador, tanto en modo libre como guiado, para poder servir de herramienta de aprendizaje.

Se trata de diferentes propuestas para desarrollar en colaboración con la Cátedra de Tecnologías Médicas de la ULPGC, y con posibilidad de beca. Más detalle en la página de la cátedra.

El objetivo de este TFT es desarrollar un sistema basado en edge computing y deep learning que simule el control de acceso a una instalación mediante reconocimiento facial y su conexión con un cuadro de mandos para su monitorización.

Detección de cetáceos.

En colaboración con la empresa Arquimea.