Oferta de TFT

Se trata de entrenar uno o varios modelos neuronales a partir de audios grabados con el Silbo Gomero y su traducción textual. La aplicación final se debe incorporar en una web donde los usuarios puedan escribir una frase y convertirla al audio correspondiente silbado. Si la aplicación y la web cumple con los requisitos de calidad y robustez necesarios se publicaría en el Museo Elder de la Ciencia y sería un trabajo remunerado.

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.

Se trata de desarrollar aplicaciones web, o móviles, que utilizando un motor de IAG interactúen con usuarios humanos de diferentes colectivos, supliendo necesidades habitualmente cubiertas por humanos. La interacción sería conversacional, por voz, en ambas direcciones IAG - humano.

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.

No es necesario tener conocimientos previos de lingüística ni sobre lengua española.

Varios TFT que hacen uso de cámaras PTZ y técnicas de aprendizaje automático para el procesamiento de las imágenes.

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.

Con la implantación de las nuevas tecnologías, el movimiento puede ser cuantificado y proporcionar datos objetivos a los médicos para ayudarles en sus diagnósticos. El objetivo de este proyecto es, a partir las grabaciones de voz capturadas en un proyecto de investigación, aplicar algoritmos de evaluación del movimiento y sistema de IA para discriminar mejor entre diferentes tipos de Parkinson, y que se pueda mostrar a los médicos los parámetros obtenidos.

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 y de movimientos capturados por un reloj, y estudiar qué parámetros, sensores y sistema de IA permite discriminar mejor entre diferentes tipos de trastornos.

Descripción: Se pretende programar un prototipo de Inteligencia Artificial (IA) con Python para verificar firmas manuscritas mediante el uso de la tableta gráfica IoT Wacom.

Tutores: Moisés Díaz y Miguel Ángel Ferrer

Requisitos: Habilidades de programación en Matlab y Python

Tiempo estimado: 4 meses

Observaciones: Compatibilidad del TFG con prácticas de empresa en el iDeTIC

El trabajo consiste en diseñar e implementar una web para recoger todo el material documental (documentos, noticias, entrevistas, fotografías, audios, etc) relacionado con el Silbo Gomero. La web debe tener un buscador para cualquiera de los elementos que serán debidamente clasificados, etiquetados y transcritos a texto. Este trabajo puede ser remunerado si finaliza con criterios de calidad y robustez para su publicación en producción.

Descripción: Se pretende implementar el sistema de reconocimiento de firmas dsDTW para su utilización en la competición internacional SVC Ongoing.

Tutores: Moisés Díaz y Miguel Ángel Ferrer

Requisitos: Habilidades de programación en Matlab

Tiempo estimado: 4 meses

Observaciones: Compatibilidad del TFG con prácticas de empresa en el iDeTIC

El objetivo final consiste en diseñar y construir tanto el hardware como el software de un computador de tamaño pequeño, bajo consumo eléctrico, altas prestaciones temporales y menor precio posible que esté especializado en una determinada aplicación informática dentro de los campos de la Inteligencia Artificial, la Visión por Computador y el Procesamiento Digital de Señales.

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/).

Objetivo: Desarrollar un aplicativo en Realidad Virtual para Educar en Escenarios Clínicos.

Descripción: Desarrollar un prototipo de aplicación software sobre dispositivo de visión VR que permita la interacción virtual con un enfermo para aprender protocolos de control o actuación en ciertas circunstancias clínicas. Se usarán tecnologías afines y de IA generativa

Objetivo: Desarrollar un aplicativo con dispositivo de Realidad Aumentada para incluirlo en la formación de los estudiantes de medicina.

Descripción: Desarrollar un prototipo de aplicativo que pueda ser utilizado con escenarios sanitarios para ilustrar a estudiantes de medicina la capacidad de la tecnología inmersiva de la realidad aumentada mediante ejemplos prácticos.

Disponemos de una gran cantidad de palabras segmentadas en sílabas, con las que entrenar una red neuronal local para comprobar su potencialidad y eficacia en la respuesta ante nuevas entradas.

No es necesario tener conocimientos previos de lingüística ni sobre lengua española.

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

El objetivo del proyecto es analizar y estimar la diversidad de especies según factores ambientales, utilizando técnicas de aprendizaje automático, desarrollando una metodología para evaluar su relación con el entorno y el impacto humano.

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.