Oferta de TFT

Este Trabajo de Fin de Título (TFT) consistirá en la realización de un estudio comparativo del desempeño de la red neuronal modular profunda Binomial Gate LSTM (BigLSTM), como arquitectura de cómputo tolerante a los datos faltantes y al muestreo irregular de las observaciones, frente a otras arquitecturas neuronales profundas y no profundas.

Para ejecutar lo anterior se trabajará con dos conjuntos de datos tabulados y públicos:

· Predicción espaciotemporal del pH de 36 fuentes de aguas del estado de Georgia, USA (https://www.kaggle.com/datasets/shrutisaxena/water-quality-prediction-data-set/),

· Predicción de la mortalidad por afecciones cardiacas en los pacientes de UCI (https://physionet.org/content/challenge-2012/1.0.0/).

Utilizaremos dichos conjuntos de datos en tareas de predicción y aplicaremos diversas técnicas convencionales de imputación de datos como, por ejemplo, basadas en estadísticos; así como técnicas menos convencionales, como pueden ser los algoritmos de cálculos de datos faltantes, o del ámbito de las Redes Neuronales tolerantes a datos faltantes.

Lo anterior se realizará con el propósito de comparar dichas técnicas con los resultados de predicción obtenidos con la red neuronal BigLSTM.

Desde la perspectiva tecnológica, este TFT plantea la realización de trabajos de desarrollo en los que utilizaremos el lenguaje de programación Python (https://www.python.org/downloads/), y librerías asociadas: TensorFlow (https://www.tensorflow.org/), Scikit-Learn (https://scikit-learn.org/stable/), Matplotlib (https://matplotlib.org/), etc.

Este TFT se encuentra enmarcado en al ámbito del Aprendizaje Automático (Machine Learning), así como como en el uso de técnicas de Aprendizaje Profundo (Deep Learning).

Este Trabajo de Fin de Título (TFT), enmarcado en el ámbito de la Ingeniería del Software, consistirá en el Diseño y Desarrollo de un Sistema de Visualización y Tratamiento Inteligente de Datos Clínicos.

Para realizar lo anterior se plantea un Sistema modular que mediante parametrización realice las fases de Extracción, Tratamiento/Proceso (limpieza, filtrado, ranqueado, etc.), Carga y Almacenamiento de los datos procedentes de los Sistemas Clínicos Asistenciales.

Así como el desarrollo de una API que permita acceder a los datos para realizar operaciones de Visualización de la Información (Query&Reporting), Procesado Analítico (Data Mining), Predicción y Lógica Computacional de Ayuda al Diagnóstico Clínico mediante técnicas de computación inteligente, como computación neuronal, deep learning, etc.

En definitiva, se persigue un Sistema Software preparado y organizado funcionalmente, para poder ser utilizado en estudios paramétricos sobre cualquier conjunto de datos de los almacena y gestiona.

Desde la perspectiva tecnológica, este TFT plantea un desarrollo que implemente las anteriores funcionalidades mediante la utilización de un stack tecnológico basado en Python (https://www.python.org/downloads/), Django (https://www.djangoproject.com/) y MongoDB (https://www.mongodb.com/).

Es un tema que combina gestión (management) y bases de datos relacionales (programación). Se trata de crear una aplicación informática que reciba las referencias bibliográficas de la producción científica generada por nuestra universidad en la base de datos Web of Science, y agrege la información por institutos y grupos de investigación. Los requisitos para el candidato/a son manejar con soltura alguna base de datos relacional y algún lenguaje de programación

ABAKO es un código computacional desarrollado en el Departamento de Física de la ULPGC usado ampliamente en trabajos de investigación en el área de la física atómica de plasmas, incluyendo aplicaciones para el desarrollo de la fusión nuclear por confinamiento inercial. Sin embargo, por razones históricas, ABAKO está escrito mayoritariamente en el lenguaje de programación Fortran77 y usa algoritmos contenidos en librerías propietarias que carecen de mantenimiento y de las que ya no se publican actualizaciones. El objetivo del presente trabajo fin de grado es, por tanto, el análisis y actualización del código y su traducción de Fortran77 al estándar de Fortran 90/95 y Fortran 2003 (o lenguajes alternativos), usando técnicas de programación modular, programación orientada a objetos y programación genérica, garantizando la portabilidad y compatibilidad del código bajo diferentes compiladores, plataformas y sistemas operativos

Resumen: Se trata de poner en marcha una cadena de tratamiento de las imágenes obtenidas durante la campaña Bathypelagic que permita corregir el desenfoque inducido por el movimiento del barco/roseta y - en general - mejorar el contraste de las imágenes.

Este TFG consiste en clasificar escritura de niños en tres grupos de edad: niños pequeños, niños medianos y niños grandes. La clasificación se hará a partir de letras separadas escritas en una tableta y a partir de conjuntos de letras. Se podrán usar técnicas de clasificación automáticas (machine learning/deep learning).

Para la elaboración de este TFG se usarán técnicas de Deep Learning para crear un clasificador de los diferentes tipos de plancton que se encuentran presentes en las muestras de microscopio. Se hará énfasis en ser capaz de detectar el plancton y de clasificarlo en el tipo concreto. Este trabajo se realizará en colaboración con investigadores de ciencias del mar de la ULPGC que aportarán las bases de datos de plancton.

En este proyecto se realizarán varios clasificador basados en machine learning que sean capaces de predecir la probabilidad de que un paciente sufra una enfermedad (Infarto, Cirrosis, Hepatitis). A su vez se estudiarán diversas técnicas de Transfer Learning para ser capaces de mejorar las estimaciones entre diversos datasets y verificar si mejoran las predicciones originales.

VPL para Moodle es un módulo integrable en la plataforma de enseñanza Moodle que permite la gestión de actividades de programación. Entre las distintas funcionalidades el entorno permite la edición en un navegador de código fuente en el lenguaje de programación Java. El proyecto pretende ofrecer ayuda al desarrollo de código fuente en Java suministrando ayuda a la sintaxis del lenguaje y autocompletado con documentación de clases y métodos de las librerías estándares. El proyecto consistirá en desarrollar un servidor de documentación que será el encargado de responder a las consultas de ayuda recibidas desde del editor.

Desarrollo de infraestructura software para la anotación del banco de imágenes recopilado por el sistema de adquisición de imágenes desarrollado para el Proyecto de Investigación Bathypelagic. El objetivo de es el facilitar el procesamiento posterior de este banco de imágenes (tratamiento de imágenes estéreo, identificación de organismos u partículas, aprendizaje profundo, etc.).

Desarrollo de algoritmos de detección de obstáculos en imágenes adquiridas durante la navegación de un barco de vela autónomo utilizando un sistema de vídeo embarcado.

En este trabajo se analizará la capacidad de detectar y seguir de manera fiable torres eléctricas desde una cámara montada sobre un helicóptero. Para abordar este problema se usarán métodos de Machine Learning y Deep Learning específicos.

Virtual Programming Lab (VPL) es un módulo para Moodle que permite la gestión de tareas de programación en un entorno educativo. Entre las características que contiene está la de búsqueda de similitud entre ficheros de código fuente. Los analizadores léxicos que utiliza actualmente VPL están basados en autómatas específicos. El proyecto se encargaría de adaptar un motor genérico de interpretación de gramáticas (por ejemplo, el de TestMate) que permita crear analizadores para cada lenguaje de programación de forma más sencilla y fiable. Además de adaptar las definiciones ya existentes de los lenguajes más populares al nuevo sistema de análisis.

App para Android que, a partir de un evento nos permita localizar su lugar de realización, así como los servicios cercanos: Farmacias, centro de salud, restaurantes,..., con accesibilidad para discapacitados visuales e indicarnos las rutas alternativas sin barreras arquitectónicas para discapacidades motoras

App para Android donde un cliente/paciente salva la dificultad del idioma ante un personal sanitario del país donde se encuentre. A su vez, el personal sanitario podrá comunicarse con dicho paciente a través del terminal móvil o Tablet del mismo (dispositivo del cliente). En él, el enfermero/personal sanitario seleccionará el protocolo de actuación que va a aplicar y el software mostrará al paciente los pasos de dicho protocolo en el idioma escogido. Tendrá la opción de leerlo, escucharlo o ver un video demostrativo subtitulado en su idioma

App para Android para la resolución de problemas matemáticos en 2º ciclo de primaria que permita conjugar el aprendizaje con la diversión

VPL para Moodle es un módulo integrable en la plataforma de enseñanza Moodle que permite la gestión de actividades de programación. Entre las distintas funcionalidades el entorno permite la edición en un navegador de código fuente en el lenguaje de programación Python. El proyecto pretende ofrecer ayuda al desarrollo de código fuente en Python suministrando ayuda a la sintaxis del lenguaje y autocompletado con documentación de clases y métodos de las librerías estándares. El proyecto consistirá en desarrollar un servidor de documentación que será el encargado de responder a las consultas de ayuda recibidas desde del editor.

El Cyberloafing, o ‘Ciber-pereza’, es un nueva conducta desviada del trabajador cuando hace un mal uso de la conexión de Internet que le ofrece la empresa en su puesto de trabajo, y refleja el alto coste que están pagando nuestras organizaciones por la incorporación de las TICs en sus procesos. A raíz de las alarmantes cifras de pérdidas que produce, las direcciones organizativas no parecen encontrar otra salida que la de endurecer sus mecanismos de supervisión y control de dicha conexión a Internet. Sin embargo, trabajos recientes en cyberloafing parece querer precisar, cada vez más, sus causas y si el daño que produce en el rendimiento en el trabajo no está realmente sobrevalorado

El proyecto consistiría en desarrollar una aplicación que permita extraer información de grandes bases datos de partidos de la NBA para realizar distintos tipos de análisis empleando técnicas estadística no lineales