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.
Partiendo de unos videos submarinos tomados en una playa, el trabajo consistirá en obtener fotogramas independientes, etiquetarlos y entrenar una red neuronal para que detecte distintas especies. En base a los resultados obtenidos, se planteará un estudio del número de peces de cada especie presente a lo largo del tiempo.
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.
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/).
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.
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
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 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).
El movimiento de los animales cuadrúpedos puede ser indicativo del bienestar animal. En este proyecto se pretende realizar un estudio del estado del sistema motor de animales cuadrúpedos como animales de ganado o mascotas (perros) y correlacionarlo con su bienestar. El movimiento se detectará con los sensores inerciales de un móvil. El movimiento se analizará en Matlab con la teoría cinemática de movimientos rápidos.
Requiere habilidades de programación en Matlab
Pese a la existencia de diversas fuentes de información acerca de los delitos cibernéticos en nuestro país, no existe una metodología que integre estas fuentes en un estudio a lo largo del tiempo que permita determinar con precisión la evolución temporal de los indicadores más relevantes. Se propone realizar una búsqueda de fuentes de información y desarrollar una metodología que permita realizar el estudio que se indica, y que facilite su actualización a lo largo del tiempo.
Se ofrecen varios TFG que giran en torno a aprovechar la tecnología de OpenAI (GPT) para la asistencia en la evaluación de pruebas escritas. Por ejemplo, implementar una demostración mediante un plugin de Moodle; generador automático de ejercicios; etc. El TFG concreto se acordará con el/la estudiante interesado/a.
El proyecto pretende el análisis de movimientos a través de esqueletos o siluetas (2 proyectos, uno con esqueletos, otro con siluetas).
Se requieren habilidades en algún framework de deep learning (Keras o Pytorch).
-
-
Este Trabajo Fin de Grado propone estudiar la plataforma Nextgendem, evaluando su aplicabilidad y eficacia en el análisis de datos de células humanas, así como su potencial uso en estudios de virus y bacterias que afectan a humanos. Se investigará cómo esta herramienta puede contribuir a avances significativos en la comprensión de enfermedades y en el desarrollo de nuevas terapias, mediante el análisis detallado y la interpretación de complejos datasets genómicos.
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 proponen TFG que exploren la tecnología actual de generación automática de imágenes, por ejemplo para generar ilustraciones o diagramas que acompañen a presentaciones, guías o manuales. Las herramientas de referencia son Stable Diffusion y ChatGPT. El TFG concreto se acordará con el/la estudiante interesado/a.
La idea es crear grupos de palabras relacionadas semánticamente en niveles de cercanía semántica a partir de diferentes diccionarios y recursos lingüísticos de los que ya dispone la División de Lingüística Computacional y Procesamiento del Lenguaje Natural del IATEXT. Esto grupos permitirán hacer búsquedas semánticas en Buscadores-IL diseñados con tecnología InteLiText (https://iatext.ulpgc.es/sites/default/files/InteLiText.pdf). Este trabajo puede ser remunerado.
La aplicación web usa una base de datos que ya está diseñada y contiene numerosas oraciones analizadas sintácticamente. La aplicación debe permitir seleccionar oraciones en base a diferentes criterios y permitir al usuario analizarla manualmente y la aplicación le marcará los errores encontrados si los hubiera. Los errores se detectan comparando con el análisis almacenado en la base de datos. También se debe permitir seleccionar oraciones según diferentes criterios para mostrar el análisis de cada una de ellas. Este trabajo se puede remunerar.
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.
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.
Escuela de Ingeniería Informática