teaching
Docencia
Curso 2023-24
Grado
Asignatura: Programación 1
Grado en Ingeniería de Sistemas de Telecomunicación
Grado en Ingeniería de Sistemas Electrónicos
ETSI Telecomunicación. Universidad de MálagaAsignatura: Programación 2
Grado en Ingeniería de Sistemas de Telecomunicación
Grado en Ingeniería de Sistemas Electrónicos
ETSI Telecomunicación. Universidad de Málaga
Postgrado
Oferta de trabajos de fin de estudios (TFG/TFM) para los Grados de Ingeniería del Software e Informática y Máster ISIA (dentro de la línea de "Inteligencia Artificial en Biomedicina" de la ETSI Informática de la UMA):
OFERTA DE TFM: "Inteligencia Artificial generativa y Large-Language-Models (LLM) para el reconocimiento de entidades clínicas nombradas (NER) mediante ingeniería de instrucciones (prompts)". Solicitar.
Objetivo del TFM: estudiar el potencial de los grandes modelos de lenguaje (LLM) generativos multilingües ---como ChatGPT, GPT-3, LaMDa, etc.---, haciendo especial hincapié en los LLM biomédicos de código abierto ---como BioMISTRAL , ClinicalGPT, BioGPT, MedAlpaca, PMC-LLama, ChatDoctor, etc.--- para procesar datos biomédicos complejos y extraer información significativa con un mínimo de datos de entrenamiento. Mediante el desarrollo y el perfeccionamiento de estrategias basadas en instrucciones (prompts), se pretende analizar si es posible mejorar significativamente el rendimiento de los modelos, convirtiéndolos en herramientas viables para tareas de reconocimiento de entidades biomédicas (NER) y posiblemente reduciendo la dependencia de extensos conjuntos de datos anotados.
Metodología: Para mejorar el rendimiento de los LLM, se pretende desarrollar un marco de instrucciones específicas (prompts) para tareas biomédicas que incluirá 1) prompts de referencia con descripción de la tarea y especificación del formato, 2) prompts basados en guías de anotación, 3) promtps basados en análisis de errores, 4) prompts basados en grafos de conocimiento extraídos de ontologías y 4) muestras anotadas para el aprendizaje few-shot de los modelos generativos. Evaluaremos la eficacia de cada promtp y compararemos los modelos con LLM de específicos de NER, como XLMRoBERTa, BETO, mBERT, RoBERTa-Bio-BSC, etc. Los modelos serán analizados en tareas de NER con corpus de texto clínico y entidades etiquetadas en español: CodiEsp, Cantemist, Symptemist, Distemist, MedProcNER, etc.
OFERTA DE TFGs: "Procesamiento de Lenguaje Natural mediante modelos Transformer de Inteligencia Artificial para la extracción de información de historiales clínicos electrónicos". Solicitar.
Dirección de Tesis Doctorales
Guillermo López-García. "Aprendizaje automático en Bioinformática: resolución de problemas complejos de naturaleza heterogénea". Universidad de Málaga. Calificación: sobresaliente cum laude, mención internacional. 6 de febrero de 2024.
Laura Morente. "Valoración de úlceras por presión mediante tecnologías de la información y las comunicaciones". Universidad de Málaga. Calificación: sobresaliente cum laude. 2012.
Fernando Gallego Donoso. "Aplicación de la Inteligencia Artificial a problemas y datos del mundo real". Universidad de Málaga. Defensa prevista: 2025
Juan Francisco Rufino. "Desarrollo y evaluación de una herramienta informática para corrección de pautas vacunales". Universidad de Málaga. Defensa prevista: 2024.