Pasar al contenido principal

En este apartado se irán publicando tanto propuestas concretas como ideas preliminares de TFT que los profesores vayan realizando, incluyendo las que se desarrollarán en colaboración con empresas. Para incluir una nueva propuesta, deberán enviar un correo a sri.eii@ulpgc.es con el título provisional y, opcionalmente, un breve párrafo descriptivo.


Los estudiantes interesados deben ponerse en contacto con el proponente con vistas a la posible asignación del trabajo, que necesariamente tendrán que enviar a la correspondiente comisión de TFG para su aprobación.


IMPORTANTE: se muestra la oferta disponible para el curso actual, actualizándose de forma periódica.



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.

Contacto: Marilola Afonso -- marilola.afonso@ulpgc.es

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.

Contacto: Marilola Afonso -- marilola.afonso@ulpgc.es
Titulaciones relacionadas: Grado en Ciencia e Ingeniería de Datos

Este Trabajo Fin de Grado se centrará en el desarrollo de algoritmos avanzados para el ensamblaje de secuencias de ADN, con especial interés en las secuencias de cloroplastos. El objetivo es mejorar la eficiencia y precisión del ensamblaje genómico, crucial para la investigación en biología molecular y genética. Se explorarán técnicas computacionales para optimizar la reconstrucción de secuencias, facilitando avances en el campo de la biotecnología y la conservación de especies.

Contacto: Marilola Afonso -- marilola.afonso@ulpgc.es
Titulaciones relacionadas: Grado en Ciencia e Ingeniería de Datos

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.

Contacto: Nelson Monzón -- nelson.monzon@ulpgc.es

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

Contacto: Nelson Monzón -- nelson.monzon@ulpgc.es

[Ya asignado a estudiante]

Contacto: Alexis Quesada -- alexis.quesada@ulpgc.es
Titulaciones relacionadas: Grado en Ciencia e Ingeniería de Datos

Se trata de un proyecto dedicado a la aplicación de técnicas avanzadas de aprendizaje profundo para la reidentificación precisa y segura de orejas de neonatos a lo largo del tiempo. Esta innovadora solución tiene como objetivo superar los desafíos asociados con el cambio físico rápido y constante en neonatos, proporcionando una herramienta confiable para la identificación única y continua de cada niño. Se requieren habilidades en algún framework de deep learning (Keras o Pytorch).

Contacto: David Freire -- david.freire@ulpgc.es

El proyecto tiene como objetivo desarrollar un sistema de detección y comparación de tatuajes mediante el uso de redes neuronales. Al aprovechar las capacidades de aprendizaje profundo, el sistema analizará características clave de los tatuajes, permitiendo una evaluación precisa de su similitud. Se requieren habilidades en algún framework de deep learning (Keras o Pytorch).

Contacto: David Freire -- david.freire@ulpgc.es

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.

Contacto: Francisco Carreras -- francisco.carreras@ulpgc.es

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.

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

Contacto: Francisco Carreras -- francisco.carreras@ulpgc.es

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.

Contacto: Francisco Carreras -- francisco.carreras@ulpgc.es

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.

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

Contacto: Francisco Carreras -- francisco.carreras@ulpgc.es

El objetivo de este proyecto es evaluar la posibilidad de usar la señal obtenida de un sensor EEG, para discriminar entre al menos dos dibujos (circulo y cuadrado) realizados sobre una tableta digital utilizando técnicas de aprendizaje automático y técnicas utilizadas en la evaluación del movimiento.

Requisitos: Aprendizaje automático, Matlab o Python

Contacto: Cristina Carmona -- cristina.carmona@ulpgc.es

El objetivo de este proyecto es evaluar la posibilidad de usar la señal obtenida de un sensor EEG, para discriminar entre dos movimientos realizados con el brazo utilizando técnicas de aprendizaje automático y técnicas utilizadas en la evaluación del movimiento.

Requisitos: Aprendizaje automático, Matlab o Python

Contacto: Cristina Carmona -- cristina.carmona@ulpgc.es

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.

Contacto: Moisés Díaz -- moises.diaz@ulpgc.es

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.

Contacto: Moisés Díaz -- moises.diaz@ulpgc.es

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).

Contacto: David Freire -- david.freire@ulpgc.es

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.

Contacto: Javier Sánchez Medina -- javier.sanchez@ulpgc.es

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.

Contacto: Javier Sánchez Medina -- javier.sanchez@ulpgc.es

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.

Contacto: Javier Sánchez Medina -- javier.sanchez@ulpgc.es
Mostrando 76 - 100 de 139
-

EII

La Escuela de Ingeniería Informática imparte las titulaciones de Grado en Ingeniería Informática y Grado en Ciencia e Ingeniería de Datos.

Información de Contacto

Escuela de Ingeniería Informática

  • Edificio de Informática y Matemáticas, Campus de Tafira. 35017 Las Palmas de Gran Canaria. España
  • (+34) 928 45 8700
  • sci.eii@ulpgc.es