-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathtfm.html.save.1
672 lines (553 loc) · 36 KB
/
tfm.html.save.1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
<!doctype html>
<!--[if IE 7 ]> <html lang="en-gb" class="isie ie7 oldie no-js"> <![endif]-->
<!--[if IE 8 ]> <html lang="en-gb" class="isie ie8 oldie no-js"> <![endif]-->
<!--[if IE 9 ]> <html lang="en-gb" class="isie ie9 no-js"> <![endif]-->
<!--[if (gt IE 9)|!(IE)]><!--> <html lang="en-gb" class="no-js"> <!--<![endif]-->
<head>
<title>Master en Data Science</title>
<meta charset="utf-8">
<meta name="keywords" content="Master,Data,Science,CSIC,UIMP,UC" />
<meta name="description" content="Master en Data Science impartido por el CSIC, UIMP y UC" />
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1">
<!-- Favicon -->
<link rel="shortcut icon" href="images/favicon.ico">
<!-- this styles only adds some repairs on idevices -->
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<!-- Google fonts - witch you want to use - (rest you can just remove) -->
<link href='https://fonts.googleapis.com/css?family=Open+Sans:300,300italic,400,400italic,600,600italic,700,700italic,800,800italic' rel='stylesheet' type='text/css'>
<link href='https://fonts.googleapis.com/css?family=Raleway:100,200,300,400,500,600,700,800,900' rel='stylesheet' type='text/css'>
<!--[if lt IE 9]>
<script src="http://html5shim.googlecode.com/svn/trunk/html5.js"></script>
<![endif]-->
<!-- ######### CSS STYLES ######### -->
<link rel="stylesheet" href="css/reset.css" type="text/css" />
<link rel="stylesheet" href="css/style.css" type="text/css" />
<link rel="stylesheet" href="css/font-awesome/css/font-awesome.min.css">
<!-- responsive devices styles -->
<link rel="stylesheet" media="screen" href="css/responsive-leyouts.css" type="text/css" />
<!-- just remove the below comments witch color skin you want to use -->
<!--<link rel="stylesheet" href="css/colors/blue.css" />-->
<!--<link rel="stylesheet" href="css/colors/green.css" />-->
<!--<link rel="stylesheet" href="css/colors/cyan.css" />-->
<!--<link rel="stylesheet" href="css/colors/orange.css" />-->
<!--<link rel="stylesheet" href="css/colors/lightblue.css" />-->
<!--<link rel="stylesheet" href="css/colors/pink.css" />-->
<!--<link rel="stylesheet" href="css/colors/purple.css" />-->
<!--<link rel="stylesheet" href="css/colors/bridge.css" />-->
<!--<link rel="stylesheet" href="css/colors/slate.css" />-->
<!--<link rel="stylesheet" href="css/colors/yellow.css" />-->
<!--<link rel="stylesheet" href="css/colors/darkred.css" />-->
<!-- just remove the below comments witch bg patterns you want to use -->
<!--<link rel="stylesheet" href="css/bg-patterns/pattern-default.css" />-->
<!--<link rel="stylesheet" href="css/bg-patterns/pattern-one.css" />-->
<!--<link rel="stylesheet" href="css/bg-patterns/pattern-two.css" />-->
<!--<link rel="stylesheet" href="css/bg-patterns/pattern-three.css" />-->
<!--<link rel="stylesheet" href="css/bg-patterns/pattern-four.css" />-->
<!--<link rel="stylesheet" href="css/bg-patterns/pattern-five.css" />-->
<!--<link rel="stylesheet" href="css/bg-patterns/pattern-six.css" />-->
<!--<link rel="stylesheet" href="css/bg-patterns/pattern-seven.css" />-->
<!--<link rel="stylesheet" href="css/bg-patterns/pattern-eight.css" />-->
<!--<link rel="stylesheet" href="css/bg-patterns/pattern-nine.css" />-->
<!--<link rel="stylesheet" href="css/bg-patterns/pattern-ten.css" />-->
<!--<link rel="stylesheet" href="css/bg-patterns/pattern-eleven.css" />-->
<!--<link rel="stylesheet" href="css/bg-patterns/pattern-twelve.css" />-->
<!--<link rel="stylesheet" href="css/bg-patterns/pattern-thirteen.css" />-->
<!-- mega menu -->
<link href="js/mainmenu/sticky.css" rel="stylesheet">
<link href="js/mainmenu/bootstrap.css" rel="stylesheet">
<link href="js/mainmenu/fhmm.css" rel="stylesheet">
<!-- REVOLUTION SLIDER -->
<link rel="stylesheet" type="text/css" href="js/revolutionslider/rs-plugin/css/settings.css" media="screen" />
<link rel="stylesheet" type="text/css" href="js/revolutionslider/css/slider_main.css" media="screen" />
<!-- cubeportfolio -->
<link rel="stylesheet" type="text/css" href="js/cubeportfolio/cubeportfolio.min.css">
<!-- tabs -->
<link rel="stylesheet" type="text/css" href="js/tabs/assets/css/responsive-tabs.css">
<link rel="stylesheet" type="text/css" href="js/tabs/assets/css/responsive-tabs2.css">
<link rel="stylesheet" type="text/css" href="js/tabs/assets/css/responsive-tabs3.css">
<!-- carousel -->
<link rel="stylesheet" href="js/carousel/flexslider.css" type="text/css" media="screen" />
<link rel="stylesheet" type="text/css" href="js/carousel/skin.css" />
<!-- progressbar -->
<link rel="stylesheet" href="js/progressbar/ui.progress-bar.css">
<!-- accordion -->
<link rel="stylesheet" href="js/accordion/accordion.css" type="text/css" media="all">
<!-- Lightbox -->
<link rel="stylesheet" type="text/css" href="js/lightbox/jquery.fancybox.css" media="screen" />
</head>
<body>
<div class="site_wrapper">
<header id="header">
<!-- Top header bar -->
<div id="topHeader">
<div class="wrapper">
<div class="top_nav">
<div class="container">
<div class="left">
<ul>
<li><a href="contacto.html"><i class="fa fa-envelope"></i> contacto</a></li>
</ul>
</div>
<div class="right">
<ul>
<li>
<a class="fancybox fancybox.ajax" href="frame_idioma.html">
<img src="images/banderas/3/esp.gif" height="9"/>
</a>
</li>
<li>
<a class="fancybox fancybox.ajax" href="frame_idioma.html">
<img src="images/banderas/3/uk.gif" height="9"/>
</a>
</li>
</ul>
</div>
</div>
</div>
</div>
<div id="trueHeader">
<div class="wrapper">
<div class="container">
<!-- Logo -->
<div class="logo"><a href="index.html" id="logo"></a></div>
<!-- Menu -->
<div class="menu_main">
<nav class="navbar navbar-default fhmm" role="navigation">
<div class="navbar-header">
<button type="button" data-toggle="collapse" data-target="#defaultmenu" class="navbar-toggle">Menu <i class="fa fa-bars tbars"></i></button>
</div>
<div id="defaultmenu" class="navbar-collapse collapse">
<ul class="nav navbar-nav">
<li class="dropdown">
<a href="index.html">Inicio</a>
<ul class="dropdown-menu" role="menu">
</ul>
</li>
<li class="dropdown">
<a href="preinscripcion.html">Preinscripción</a>
<ul class="dropdown-menu" role="menu">
</ul>
</li>
<li class="dropdown">
<a href="matricula.html">Matrícula</a>
<ul class="dropdown-menu" role="menu">
</ul>
</li>
<li class="dropdown">
<a href="m01.html">Materias</a>
<ul class="dropdown-menu" role="menu">
</ul>
</li>
<li class="dropdown active">
<a href="tfm.html">Ofertas TFM</a>
<ul class="dropdown-menu" role="menu">
</ul>
</li>
<li class="dropdown">
<a href="faq.html">Preguntas Frecuentes</a>
<ul class="dropdown-menu" role="menu">
</ul>
</li>
<li class="dropdown">
<a href="contacto.html">Contacto</a>
<ul class="dropdown-menu" role="menu">
</ul>
</li>
</ul>
</div>
</nav>
</div>
</div>
</div>
</div>
</header>
<div class="clearfix"></div>
<div class="page_title2">
<div class="container">
<div class="title"><h1>Ofertas TFM</h1></div>
<div class="pagenation"> <a href="index.html">Inicio</a> <i>/</i> <a href="#">Páginas</a> <i>/</i> Ofertas TFM</div>
</div>
</div>
<div class="clearfix"></div>
<div class="container">
<div class="content_fullwidth">
<p><h2><center>Ofertas TFM</center></h2></p>
<p align="center">En este apartado podrá encontrar los Trabajos Fin de Master ofertados.<br/><br/>
Si desea ofertar un nuevo TFM (empresa o profesor) puede rellenar el siguiente formulario:
<a href="https://tinyurl.com/yb45hpch"> Propuesta de TFM</a>
<br/><br/>
</div>
<div class="content_fullwidth">
<div class="accrodation">
<p><b>Ofertas TFM 2018-2019</b></p>
<br/>
<!-- section 1 -->
<span class="acc-trigger active"><a href="#">1.- Análisis de datos del microbioma gastrointestinal</a></span>
<div class="acc-container">
<div class="content">
En este proyecto se propone aplicar técnicas de aprendizaje automático y minería de datos para identificar posibles asociaciones entre las especies presentes en la flora intestinal y su cantidad relativa respecto a los principales factores fisiológicos, bioquímicos, metabólicos, nutricionales y deportivos relacionados con los cambios en la composición corporal. El objetivo es encontrar y definir biomarcadores que permitan distinguir entre los variados microbiomas y asociarlos a patologías o estados de salud. La gran diversidad interpersonal de la flora intestinal lo convierte en una tarea complicada para el ser humano, pero potencialmente adecuada para las técnicas de aprendizaje automático. Se usará una batería de análisis genéticos del microbioma intestinal específicamente dirigidos al ámbito del fitness profesional amateur que contiene unos 650000 marcadores y datos asociados (entrenamientos, lesiones, etcétera)
<br>
<br>
Responsable: Cristina Tirnauca
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 2 -->
<span class="acc-trigger active"><a href="#">2.- Automatic Data Curation tool</a></span>
<div class="acc-container">
<div class="content">
Asegurar no sólo la accesibilidad de los datos, sino también su calidad para que puedan ser reutilizados para obtener información, es un reto al que se enfrentan tanto empresas como disciplinas científicas. Este trabajo desarrollará una herramienta para automatizar procesos para mejorar la calidad de los datos procedentes de fuentes en abierto, aplicando métodos de curación a diferentes conjuntos de datos.
<br>
<br>
Responsable: Fernando Aguilar
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 3 -->
<span class="acc-trigger active"><a href="#">3. - Cinco estrellas para repositorios de datos en abierto </a></span>
<div class="acc-container">
<div class="content">
Tim Berners-Lee, el inventor de la Web e iniciador de los Datos Enlazados (Linked Data), sugirió un esquema de desarrollo de 5 estrellas para Datos Abiertos. Dentro de los distintos tipos de repositorios de datos en abierto disponibles (gubernamentales, científicos, sociales) el nivel de adopción de este esquema es bastante desigual. El trabajo a desarrollar analizará varios repositorios con el fin de ver qué medidas se podrían tomar para conseguir que los datos publicados puedan ser fácilmente reutilizables.
<br>
<br>
Responsable: Fernando Aguilar
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 4 -->
<span class="acc-trigger active"><a href="#">4.- Identificación de las variables relevantes en la identificación de mutaciones somáticas en datos de secuenciación masiva de tumores. </a></span>
<div class="acc-container">
<div class="content">
Las nuevas técnicas de secuenciación masiva han aumentado muy significativamente la cantidad de secuencia que se puede generar de las muestras tumorales humanas mejorando la identificación de mutaciones responsables de la patología. Sin embargo las características intrínsecas de los datos generados por estas tecnologías (alta redundancia, secuencias cortas, errores en la lectura, etc.) provocan que la identificación de mutaciones sea complicada. No existe todavía un estudio sobre el peso que tiene cada una de las variables presentes en los datos (calidad de secuencia o de alineamiento, diferencias muestra tumor-normal, cobertura, contexto de secuencia, etc.) en la discriminación de mutaciones reales y falsos positivos. En el presente trabajo se propone recolectar un gran número de variables de una colección de mutaciones validadas y realizar estudios, por ejemplo mediante análisis de componentes principales, que variable o combinación de variables es más eficaz en la identificación de las mutaciones reales.
<br>
<br>
Responsable: Ignacio Varela
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 5 -->
<span class="acc-trigger active"><a href="#">5. - Estimación del número de personas en imágenes mediante muestreo geométrico</a></span>
<div class="acc-container">
<div class="content">
Analizaremos la precisión del método CountEm ( countem.unican.es ) de forma similar a lo realizado en el artículo <a>https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0141868</a> pero con los datos UCF-QNRF - A Large Crowd Counting Data Set <a>http://crcv.ucf.edu/data/ucf-qnrf/</a>
<br>
<br>
Responsable: Marcos Cruz
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 6 -->
<span class="acc-trigger active"><a href="#">6.- Entrenamiento de redes neuronales con muestras sesgadas</a></span>
<div class="acc-container">
<div class="content">
En este trabajo se comprobará mediante técnicas de data augmentation si se puede mejorar la respuesta de ANN convencionales en casos en los que las muestras de entrenamiento presenten sesgos en alguna de sus variables.
<br>
<br>
Responsable: Francisco Matorras
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 7 -->
<span class="acc-trigger active"><a href="#">7.- Desarrollo de APIs para repositorios científicos</a></span>
<div class="acc-container">
<div class="content">
El creciente número de datasets científicos aumenta enormemente las posibilidades de reutilización de datos de calidad. Sin embargo, en ocasiones, los repositorios en los que se alojan no son lo suficientemente potentes para hacer un uso masivo de esos datos disponibles. Este trabajo propondrá y desarrollará APIs o plugins para aumentar las funcionalidades de repositorios científicos cpmo digital CSIC.
<br>
<br>
Responsable: Isabel Bernal
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 8 -->
<span class="acc-trigger active"><a href="#">8.- Visualización de datos de satélite en 3D </a></span>
<div class="acc-container">
<div class="content">
Las agencias espaciales internacionales como la NASA o la ESA producen cada año PBs de datos de satélite, accesibles para cualquier científico o ciudadano interesado. En ocasiones, dada la complejidad de los datos y la necesidad de combinarlos, son dificilmente interpretables. El trabajo propuesto explorará las posibilidades que tiene el uso combinado de datos y su reproducción en 3 dimensiones, proporcionando datos combinados, por ejemplo, de terreno y otras varibles medioambientales.
<br>
<br>
Responsable: Fernando Aguilar
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 9 -->
<span class="acc-trigger active"><a href="#">9.- Massive Parallel Machine Learning: evaluation of parallel processing implementations</a></span>
<div class="acc-container">
<div class="content">
The term massively parallel processing refers to the coordinated usage of a large number of processors or separate computers to carry out a given task. Generally speaking two kinds of parallelism exist: data and model parallelism. In this work we propose that the student performs a survey and state of the art evaluation of the existing parallel implementations for machine learning frameworks and libraries.
<br>
<br>
Responsable: Álvaro López
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 10 -->
<span class="acc-trigger active"><a href="#">10.- Massive Parallel Deep Learning: evaluation of parallel processing implementations</a></span>
<div class="acc-container">
<div class="content">
The term massively parallel processing refers to the coordinated usage of a large number of processors or separate computers to carry out a given task. Generally speaking two kinds of parallelism exist: data and model parallelism. In this work we propose that the student performs a survey and state of the art evaluation of the existing parallel implementations for deep learning frameworks and libraries.
<br>
<br>
Responsable: Álvaro López
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 11 -->
<span class="acc-trigger active"><a href="#">11.- Machine learning for medical imaging segmentation</a></span>
<div class="acc-container">
<div class="content">
Segmentation in medical imaging is the delineation of organs and structures of interest. It is often a fundatmental step in image analysis pipelines. The student will survey existing literature and implement a machine learning method for segmentation of structures in the provided dataset.
<br>
<br>
Responsable: David Rodríguez
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 12 -->
<span class="acc-trigger active"><a href="#">12.- Clasificación y predicción de ciclones con técnicas de minería de datos </a></span>
<div class="acc-container">
<div class="content">
El gran impacto socio-económico de los eventos meteorológicos extremos han dado lugar a la aplicación de técnicas muy diversas para mejorar tanto su predicción como las medidas de alerta temprana. En particular, los ciclones son un tipo de evento con un gran impacto en muchas regiones del planeta cuya formación y desorrollo puede diferir según la región, estación del año, etc. Por ello, para mejorar los sistemas de predicción de este tipo de eventos se recurre habitualmente a diferentes metodologías, incluyendo desde algoritmos de seguimiento a técnicas de clustering o modelos basados en regresión o en árboles. En el presente trabajo proponemos considerar un modelo combinando técnicas de clustering y modelos de árboles para predecir la ocurrencia de ciclones sobre China, haciendo uso de la base de datos generada por la Agencia China de Meteorología.
<br>
<br>
Responsable: Sixto Herrera
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 13 -->
<span class="acc-trigger active"><a href="#">13.- Selección de predictores para la generación de modelos predictivos de Ciclones Tropicales. </a></span>
<div class="acc-container">
<div class="content">
A pesar del gran impacto de los eventos extremos asociados a la ocurrencia de ciclones, tanto en el trópico como en latitudes medias (p.e. Europa), la génesis y el desarrollo de este tipo de eventos depende de factores muy diversos (región, estación del año, etc.) por lo que, de cara a proponer un modelo de predicción, es necesario el desarrollo de algoritmos de selección de variables que permitan la detección de aquellos predictores relevantes para el evento de estudio. En el presente trabajo se propone implementar y validar usando la base de datos de referencia para la WMO, IBTrACS-WMO, un algoritmo de selección de variables basado en grafos que identifique, a partir de un número elevado de posibles predictores, aquellos que den lugar a una mejor modelización de la ocurrencia de estos eventos.
<br>
<br>
Responsable: Sixto Herrera
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 14 -->
<span class="acc-trigger active"><a href="#">14.- Sentiment analysis in Twitter using Deep Learning</a></span>
<div class="acc-container">
<div class="content">
Sentiment analysis (aka opinion mining) refers to the study of emotional and subjective information in texts (or other media). The performance of this task in short texts has become particularly relevant since the rise of microblogging services, in particular Twitter. The student will perform an implementation of sentiment analysis in a curated corpus of Twitter messages using Deep Learning and compare this approach with alternatives techniques from Natural Language Processing.
<br>
<br>
Responsable: David Rodríguez
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 15 -->
<span class="acc-trigger active"><a href="#">15.- Clustering of Russian Troll Tweets</a></span>
<div class="acc-container">
<div class="content">
A data set contaning almost 3 million tweets from accounts associated with the Internet Research Agency has been made available thanks to the work of two professors at Clemson University: Darren Linvill and Patrick Warren. Using advanced social media tracking software, they pulled the tweets from thousands of accounts that Twitter has acknowledged as being associated with the IRA. The student will use unsuprevised learning to explore the dataset and try to find unknown patterns in the tweets.
<br>
<br>
Responsable: David Rodríguez
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 16 -->
<span class="acc-trigger active"><a href="#">16.- Supervised learning for classifying Russian Troll Tweets</a></span>
<div class="acc-container">
<div class="content">
A data set contaning almost 3 million tweets from accounts associated with the Internet Research Agency has been made available thanks to the work of two professors at Clemson University: Darren Linvill and Patrick Warren. Using advanced social media tracking software, they pulled the tweets from thousands of accounts that Twitter has acknowledged as being associated with the IRA. The student will use supervised learning to build a classifier that groups the tweets according to the Troll category attributed by the Clemson University researchers (Right Troll, Left Troll, Newsfeed, Hashtag gamer and fearmonger).
<br>
<br>
Responsable:David Rodríguez
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 17 -->
<span class="acc-trigger active"><a href="#">17.- Análisis de datos de dispositivos deportivos</a></span>
<div class="acc-container">
<div class="content">
En la actualidad, es muy común hacer deporte con dispositivos que registran numerosas variables de carácter físico, fisiológico o deportivo (posición gps, tiempo, altura, frecuencia cardíaca, cadencia...) y posteriormente se almacenan en formatos estandarizados fit, gpx, tcx. El trabajo plantea entender estos formatos para el desarrollo de una pequeña aplicación que permita realizar análisis estadísticos sencillos sobre estos datos.
<br>
<br>
Responsable:Francisco Matorras
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 18 -->
<span class="acc-trigger active"><a href="#">18.- Cuantificación de la incertidumbre en la predicción espacio-temporal a corto plazo con bayesian deep learning</a></span>
<div class="acc-container">
<div class="content">
La tarea de predecir es comunmente una tarea probabilística (a menos que el sistema se rija por leyes determinísticas). Al ser probabilística, las predicciones vienen con una incertidumbre asociada que indican el grado de confianza en la predicción. En la mayoría de estudios, los modelos de predicción se limitan a proveer la predicción (p.e., la temperatura dentro de 2 días va a ser de 25ºC), obviando la importancia que tiene también proveer la incertidumbre asociada a la predicción para una mejor toma de decisiones (p.e., la temperatura dentro de 2 días va a ser de 25ºC al 20% de probabilidad). Concretamente en [1], se hace una predicción espacio-temporal para predecir la precipitación a menos de 6 horas (nowcasting) mediante deep learning y obvian la incertidumbre asociada a dichas predicciones. El objetivo de este TFM es cuantificar y caracterizar la incertidumbre asociada al problema del nowcasting mediante la maquinaria del bayesian deep learning.
<br><br>
Referencias:<br>
Shi, Xingjian, et al. Deep learning for precipitation nowcasting: A benchmark and a new model. Advances in Neural Information Processing Systems. 2017.
<br>
<br>
Responsable:Jorge Baño
<br>Contacto: <b>[email protected]</b>
</div>
</div>
<!-- section 19 -->
<span class="acc-trigger active"><a href="#">19.- Relaciones espacio-temporales de patrones meteorológicos entre el El Niño y el resto del mundo con deep learning</a></span>
<div class="acc-container">
<div class="content">
Las redes neuronales son reconocidas por su capacidad para extraer patrones de los datos. Las neuronas de las redes neuronales se agrupan en capas definiendo la arquitectura de la red. Un tipo especial de arquitectura, llamado autoencoder, extrae patrones entre las variables de entrada y las representa en su capa más intermedia. En este artículo [1], utilizan un autoencoder para descubrir las relaciones existentes entre el flujo radiativo en la cima de la atmósfera y la temperatura en la superficie. La idea en este trabajo es realizar el mismo estudio que en [1], pero buscando los relaciones entre la temperatura del mar en el Pacífico Ecuatorial (que caracteriza el fenómeno de El Niño) y otras variables meteorológicas a nivel mundial, (procesos conocido como teleconexiones climáticas).
<br>
<br>
Referencias:<br>
Anderson, Charles, et al. Discovering Spatial and Temporal Patterns in Climate Data Using Deep Learning. 5th International Workshop on Climate Informatics, NCAR Mesa lab, Boulder, CO. 2015.
<br>
<br>
Responsable:Jorge Baño
<br>Contacto: <b>[email protected]</b>
</div>
</div>
</div>
<br/>
<div class="accrodation">
<p><b>Ofertas TFM 2017-2018</b></p>
<br/>
<!-- section 1 -->
<span class="acc-trigger active"><a href="#">1.- Evaluación y despliegue de tecnologías BigData mediante una arquitectura lambda sobre un IDS (ASIGNADO)</a></span>
<div class="acc-container">
<div class="content">
El objetivo de este Trabajo de Fin de Máster consiste en evaluar distintas tecnologías de BigData enfocadas a streaming y procesado de datos para, posteriormente, desplegar las soluciones elegidas sobre el IDS (Intrusion Detection System) del IFCA (Instituto de Física de Cantabria).
<br/><br/>
En líneas generales, se analizarán y evaluarán las posibles tecnologías existentes de streaming de datos (Apache Kafka) y de procesado, tanto por lotes (Apache Spark), como mediante streaming (Apache Flink). Las soluciones elegidas se desplegarán mediante una arquitectura lambda con el actual IDS desplegado en el IFCA, Snort.
<br/><br/>
Este trabajo implica conocer distintas tecnologías de streaming, procesado y transmisión de datos de BigData, así como la arquitectura de detección de intrusos instalada en el IFCA.
</div>
</div>
<!-- section 2 -->
<span class="acc-trigger"><a href="#">2.- Clasificacion de imagenes de especies de plancton utilizando Deep Learning (ASIGNADO)</a></span>
<div class="acc-container">
<div class="content">
Proyecto cuyo objetivo se centra en la clasificacion de imagenes de distintas especies de plancton. Para su realizacion se utilizaran algoritmos de aprendizaje atomatico y mas concretamente tecnicas avanzadas de Deep Learning. Tambien se hara uso de tecnologia relacionada con bases de datos no relacionales, como es MongoDB
</div>
</div>
<!-- section 3 -->
<span class="acc-trigger"><a href="#">3.- Análisis de perturbaciones en Fibra Óptica con técnicas de Machine Learning (ASIGNADO)</a></span>
<div class="acc-container">
<div class="content">
Se estudia la aplicación de técnicas de machine learning con el objeto de analizar e identificar perturbaciones que afecten a la transmisión de luz en fibra óptica. Para el estudio se usan datos recogidos de fibras ópticas con diferentes características y/o perturbaciones reales, proporcionados por el Grupo de Ingeniería Fotónica (GIF)
</div>
</div>
<!-- section 4 -->
<span class="acc-trigger"><a href="#">4.- Log clustering tool (ASIGNADO)</a></span>
<div class="acc-container">
<div class="content">
En la actualidad, la cantidad de información generada por los sitemas IT y de comunicaciones sigue en clara expansión, haciendo aún más difícil, si cabe, su gestión y monitorización. Existen en el mercado diversas herramientas para la correlación de alertas, que facilitan y ayudan a los operadores a supervisar los sistemas; no obstante, el problema de resumir y sintetizar la actividad de los sistemas, mediante la extracción de patrones, no ha sido tan ampliamente implementado a nuestro entender.
<br/><br/>
Es por ello que este proyecto investigará diversos algoritmos, que permitan mediante su combinación, obtener un extracto fiable de la actividad diaria de un sistema IT (CPD). Los resultados deberán ser explotados mediante una interfact gráfica de usuario.
</div>
</div>
</div>
</div>
<div class="content_fullwidth">
<p align="center">Si desea algún TFM de la lista para este curso puede enviarnos un mail a:
<a href="mailto:[email protected]" target="blank"><i class="fa fa-envelope"></i> info-masterdatascience (at) listas.csic.es </a>
</p>
<br/><br/>
</div>
<!-- <div class="content_fullwidth"> -->
<!-- <p><h2><center>DE ACUERDO, ¿COMO ME MATRICULO?</center></h2></p> -->
<!-- <p> Al ser un máster muy especializado sólo hay un máximo de 25 plazas. Hay que hacer una preinscripción, que puedes realizar tanto en la Secretaria de la Facultad de Ciencias de la Universidad de Cantabria, rellenando un formulario impreso, como on-line a través de la plataforma de la UIMP:</p> -->
<!-- <br/> -->
<!-- <p align="center"><b><font color="red">El plazo de preinscripción está abierto hasta el 18 de Septiembre, pero no lo dejes para el último día!</font></b></p> -->
<!-- <br/><br/> -->
<!-- <p align="center"><a href="preinscripcion.html" class="readmore_but13"> Preinscribase desde aqui <i class="fa fa-arrow-circle-right"></i></a></p> -->
<!-- </div> -->
</div>
<div class="clearfix margin_top4"></div>
<div class="footer1">
<div class="container">
<div class="one_fourth">
<ul class="faddress">
<p align="center"><img src="images/logo_3.png" alt="" /></p>
<p align="center">Master en Data Science</p>
</ul>
</div><!-- end address -->
<div class="one_fourth">
<div class="ftags">
<br/><br/>
<p align="center"><a href="http://www.csic.es" target="blank"> <img src="images/csic.jpg" title ="csic" alt="csic" /></a><br/>Consejo Superior<br/>Investigaciones Científicas</p>
</div>
</div>
<div class="one_fourth">
<div class="twitter_feed">
<br/><br/>
<p align="center"><a href="http://www.uimp.es" target="blank"> <img src="images/uimp.jpg" title ="uimp" alt="uimp" /></a><br/>Universidad Internacional<br/>Menéndez Pelayo</p>
</div>
</div>
<div class="one_fourth last">
<br/><br/>
<p align="center"><a href="http://www.unican.es" target="blank"> <img src="images/uc.jpg" title ="uc" alt="uc" /></a><br/>Universidad de Cantabria</p>
</div>
</div>
</div>
<div class="clearfix"></div>
<div class="copyright_info">
<div class="container">
<div class="one_half">
<!-- <i class="fa fa-pencil"></i> <a class="nav-link " href="preinscripcion.html">Preinscripcion</a> -->
<!-- | -->
<i class="fa fa-comment"></i> <a class="nav-link " href="faq.html">Preguntas Frecuentes</a>
|
<i class="fa fa-envelope"></i> <a class="nav-link " href="contacto.html">Contacto</a>
</div>
<div class="one_half last">
<ul class="footer_social_links">
Copyright © 2017 | Todos los derechos reservados.
</ul>
</div>
</div>
</div>
<a href="#" class="scrollup">Scroll</a>
</div>
<!-- ######### JS FILES ######### -->
<!-- get jQuery from the google apis -->
<script type="text/javascript" src="js/universal/jquery.js"></script>
<!-- style switcher -->
<script src="js/style-switcher/jquery-1.js"></script>
<script src="js/style-switcher/styleselector.js"></script>
<!-- SLIDER REVOLUTION 4.x SCRIPTS -->
<script type="text/javascript" src="js/revolutionslider/rs-plugin/js/jquery.themepunch.plugins.min.js"></script>
<script type="text/javascript" src="js/revolutionslider/rs-plugin/js/jquery.themepunch.revolution.min.js"></script>
<!-- mega menu -->
<script src="js/mainmenu/bootstrap.min.js"></script>
<script src="js/mainmenu/fhmm.js"></script>
<!-- jquery jcarousel -->
<script type="text/javascript" src="js/carousel/jquery.jcarousel.min.js"></script>
<!-- scroll up -->
<script src="js/scrolltotop/totop.js" type="text/javascript"></script>
<!-- tabs -->
<script src="js/tabs/assets/js/responsive-tabs.min.js" type="text/javascript"></script>
<!-- jquery jcarousel -->
<script type="text/javascript">
jQuery(document).ready(function() {
jQuery('#mycarouselthree').jcarousel();
});
</script>
<!-- accordion -->
<script type="text/javascript" src="js/accordion/custom.js"></script>
<!-- REVOLUTION SLIDER -->
<script type="text/javascript" src="js/revolutionslider/rs-plugin/js/custom.js"></script>
<!-- sticky menu -->
<script type="text/javascript" src="js/mainmenu/sticky.js"></script>
<script type="text/javascript" src="js/mainmenu/modernizr.custom.75180.js"></script>
<!-- progress bar -->
<script src="js/progressbar/progress.js" type="text/javascript" charset="utf-8"></script>
<!-- cubeportfolio -->
<script type="text/javascript" src="js/cubeportfolio/jquery.cubeportfolio.min.js"></script>
<script type="text/javascript" src="js/cubeportfolio/main4.js"></script>
<!-- carousel -->
<script defer src="js/carousel/jquery.flexslider.js"></script>
<script defer src="js/carousel/custom.js"></script>
<!-- lightbox -->
<script type="text/javascript" src="js/lightbox/jquery.fancybox.js"></script>
<script type="text/javascript" src="js/lightbox/custom.js"></script>
<script type="text/javascript">
// Menu drop down effect
$('.dropdown-toggle').dropdownHover().dropdown();
$(document).on('click', '.fhmm .dropdown-menu', function(e) {
e.stopPropagation()
})
</script>
</body>
</html>