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.
Los visitantes ya conocen las zonas más populares del país. Esta aplicación para web y/o móvil de ayuda turística puede conectar a los nativos con los turistas e informarles sobre los lugares ocultos o menos conocidos que generalmente no reciben la atención que merecen. Esto ayudará al turista a conocer aún más íntimamente su destino.
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 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).
Imagine una red social en la que pueda evaluar anónimamente los diversos rasgos personales de sus amigos: temperamento, apariencia, comportamiento, estilo de ropa, etc., las personas verán su calificación y la cantidad de usuarios que votaron, pero nunca podrán descubrir quién los calificó y cómo. Este tipo de aplicación para web y/o móvil que se propone podría ser especialmente popular entre los adolescentes.
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).
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.
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.
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).
Detección de cetáceos.
En colaboración con la empresa Arquimea.
Detección de objetos multifocal.
En colaboración con la empresa Arquimea.
Detección multimodal de objetos a partir de datos RGBT.
En colaboración con la empresa Arquimea.
La interacción hombre-robot es una de las apuestas de la industria 5.0. En este TFT se propone que un humano interactúe con un brazo robótico de seis grados de libertad mediante el uso de sensores inerciales solidarios al brazo y mano de un sujeto. El TFT consistirá en llevar a cabo la interconexión de dispositivos con el fin de que el robot se mueva de acuerdo al movimiento del humano.
Requiere habilidades de programación en Matlab
La anotación de datos es un caballo de batalla para el desarrollo de clasificadores robustos basados en aprendizaje profundo. Esta propuesta aborda la creación de un mayor conjunto de datos de dorsales de competiciones deportivas, a partir de ejemplos de dorsales ideales y en condiciones reales, haciendo uso de aproximaciones image-to-image.
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.
Este Trabajo Fin de Grado plantea el desarrollo de un "cuadro de mando" como componente Angular (se puede estudiar trabajar con otro framework), diseñado para integrar diversas visualizaciones de datos y conectarlas a través de eventos. El objetivo es crear una herramienta interactiva y altamente configurable que facilite la gestión y análisis de información compleja, mejorando así la toma de decisiones y la presentación de datos en tiempo real en diversas aplicaciones.
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.
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.).
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/).
En este Trabajo de Fin de Título (TFT) se utilizará Computación Inteligente, esencialmente Redes Neuronales Artificiales (RNA), y distintas técnicas de ciencia de datos, en el ámbito Clínico, con el objetivo de diseñar y desarrollar un entorno software para la automatización del diagnóstico de enfermedades neurodegenerativas asociadas al envejecimiento, tales como la Enfermedad del Alzhéimer (EA) y el Deterioro Cognitivo Leve (MCI).
Para realizar lo anterior se plantea un entorno software modular que mediante parametrización realice todas las fases de tratamiento inteligente, incluyendo carga y almacenamiento, de los datos procedentes de diversos Sistemas Clínicos Asistenciales y/o de bases de datos especializadas en el ámbito: ADNI, Physionet, eICU Collaborative Research, etc., así como el desarrollo del módulo software correspondiente para la ayuda a la clasificación y detección temprana de las neuropatologías consideradas.
Adicionalmente a lo anterior, se persigue también que el Sistema Software desarrollado esté preparado y organizado funcionalmente, para poder ser utilizado en estudios paramétricos sobre cualquier conjunto de datos del ámbito de las de Enfermedades Neurodegenerativas, así como analizar las capacidades de las RNA en la clasificación de dichas enfermedades y ejecutar comparativas de desempeño con otros Sistemas Software existentes
Desde la perspectiva tecnológica, este TFT plantea la realización de trabajos de desarrollo en los que utilizaremos el lenguaje de programación Python (htps://www.python.org/downloads/), y librerías asociadas: TensorFlow (htps://www.tensorflow.org/), Scikit-Learn (htps://scikit- learn.org/stable/), Matplotlib (htps://matplotlib.org/), etc.
El trabajo consiste en extraer todas las expresiones y locuciones del Diccionario de la Lengua Española de la Real Academia Española, clasificarlas adecuadamente en una base de datos de tal forma que se contemple la formas flexivas de cada una, si las hubiere, y posibles distancias entre las palabras que las componen. Habría que realizar dos aplicaciones, una de escritorio para extraer y clasificar todas las expresiones y locuciones y un servicio web que pasándole una oración o un texto nos devuelva las expresiones y/o locuciones encontradas. Este trabajo puede ser remunerado.
Detección de dorsales en tiempo real.
Varios TFT que hacen uso de cámaras PTZ y técnicas de aprendizaje automático para el procesamiento de las imágenes.
Escuela de Ingeniería Informática