Oferta de TFT

Este Trabajo Fin de Grado se propone con el objetivo de investigar y desarrollar técnicas innovadoras para el almacenamiento eficiente de genomas y datasets masivos en bioinformática. Se abordarán desde estructuras de datos especializadas hasta sistemas de almacenamiento avanzados, con el objetivo de optimizar la gestión y accesibilidad de grandes volúmenes de datos genéticos, fundamentales para el avance de la investigación y aplicaciones en genómica.

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.

Análisis de dataset con señales de encefalograma para el estudio de los efectos de la meditación, mediante el uso de arquitetura de Big Data. Lenguaje para el análisis y visualización, R o Python; arquitectura para big data basada en hadoop/spark. Posibilidad de publicación científica asociada al TFT.

La gestión actual del turismo en España se enfrenta a diversos retos, entre ellos el manejo de información digital que ayude al mantenimiento y mejora de la competitividad de los destinos, la innovación y la gestión sostenible de los recursos. Esta línea de TFTs persigue proveer resultados que ayuden a tomar decisiones óptimas en estos aspectos a los gestores turísticos, públicos y privados.

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.

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.

Análisis de datos de movilidad de diversas fuentes, en tiempo real, para modelado descriptivo y predictivo. Lenguaje para el análisis y visualización, R o Python. Posibilidad de publicación científica asociada al TFT.

-

El movimiento humano se inicia cuando el cerebro envía instrucciones a los músculos. El objetivo de este Trabajo de Fin de Grado es analizar las similitudes entre señales EEG y señales inerciales con el fin de estudiar el movimiento humano.

-

El objetivo principal de este proyecto es emplear herramientas genómicas para caracterizar la diversidad genética de especies, identificando patrones evolutivos, adaptaciones ambientales y estrategias de conservación.

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

El objetivo es crear una aplicación que permita controlar un robot para que identifique una pieza seleccionada y estimar la trayectoria para alcanzar la posición de destino que estará marcada con la forma seleccionada, siguiendo los pasos de aprendizaje de un niño, e imitando el patrón de movimiento humano. Para ello, el robot podrá ver por medio de una cámara las piezas distribuidas en un espacio de trabajo al azar, y ver la posición de destino, que será donde encaje con la forma seleccionada.

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.

Objetivo: Graficar los resultados de los simuladores virtuales de formación y entrenamiento sanitario para realizar representaciones visuales de forma amigable e inteligibles por los tutores.

Descripción: Utilizar librerías, lenguajes de scripting o entornos abiertos para desarrollar aplicativo software en web que importe las bases de datos de los resultados de los simuladores virtuales utilizados en el entrenamiento sanitario y represente las métricas de manera amigable para su interpretación.

Con la implantación de las nuevas tecnologías, el movimiento puede ser cuantificado y dar datos objetivos los médicos 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/o sistema de IA permite discriminar mejor entre diferentes tipos Parkinson.

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).

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).

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.

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).

Desarrollo de metodologías (bayesianas) nuevas para la clasificación y agrupación de diferentes conjuntos de datos. Las aplicaciones son muy variadas y se discutirán con el alumno interesado en función de sus preferencias: sanidad, turismo, etc. El tema es global y puede ser objeto de varios trabajos. Conocimientos: R y/o Phyton

A partir de diferentes diccionarios conocidos y de otras fuentes con información lingüística de las que dispone la División de Lingüística Computacional y Procesamiento del Lenguaje Natural del IATEXT, se trata de crear una aplicación web que muestre toda la información lingüística relacionada con una palabra de entrada. Dado que se trata de mucha información, el principal reto es diseñar una web en capas o menús de forma que el usuario pueda moverse con facilidad a través de toda la información lingüística relacionada con la palabra de entrada. Se necesitan habilidades en el diseño de páginas web.

Varios TFT orientados a la implementación de demostradores online en las áreas del procesamiento de imágenes a bajo nivel y la visualización y manipulación de gráficos por computador.

Este Trabajo de Fin de Título (TFT), enmarcado en el ámbito de la Neurociencia Computacional, consistirá en la realización de una Plataforma Software Extensible para la Simulación y Visualización de modelos de la dinámica del Óxido Nítrico (NO) como neurotransmisor en el cerebro.

Desde la perspectiva funcional, este TFT está centrado en el desarrollo de una Plataforma Virtual que permita la incorporación de los correspondientes Módulos Computacionales que simulan la dinámica del NO.

Se persigue un Sistema Software preparado, y organizado funcionalmente, para realizar estudios que nos permitan descubrir la forma en la que este gas influye en los procesos de aprendizaje y formación de memoria de la Red Neuronal Biológica, y poder incorporarlo en los algoritmos de aprendizaje de las Redes Neuronales Artificiales.

Desde la perspectiva tecnológica, este TFT plantea un desarrollo que implemente las anteriores funcionalidades mediante la utilización de un stack tecnológico basado en Python (htps://www.python.org/downloads/), Django (htps://www.djangoproject.com/), MongoDB (htps://www.mongodb.com/) y librerías asociadas: TensorFlow (htps://www.tensorflow.org/), Scikit-Learn (htps://scikit-learn.org/stable/), Matplotlib (htps://matplotlib.org/).