Trabajos de fin de máster

Línea de investigación: predicción de series temporales mediante modelos de inteligencia artificial

Muchas áreas del conocimiento científico producen datos ordenados en el tiempo, que normalmente están relacionados entre sí (cada valor no es completamente independiente del anterior). Del análisis de estos datos, y especialmente de su predicción, pueden obtenerse grandes beneficios (no sólo económicos) en todas esas áreas.

Esta línea de trabajos fin de máster plantea el abordaje de este problema desde la inteligencia artificial (IA): se tratará de procesar conjuntos de datos reales y entrenar modelos de IA que sean capaces de capturar el comportamiento intrínseco y las características dinámicas de las series temporales. El trabajo será realizado preferentemente en el lenguaje de programación R (aunque puede haber otros lenguajes involucrados, particularmente python), y puede orientarse hacia alguno de los siguientes dominios de aplicación (la lista no es exhaustiva):

Polen aerosuspendido: a partir de los valores históricos almacenados por la Red Palinocam, se trata de modelar y predecir la cantidad de polen de una especie vegetal concreta que flota en el aire en un determinado momento.
Contaminación por partículas aerosuspendidas: de nuevo a partir de valores históricos, el proyecto consiste en analizar, modelar y predecir la cantidad de partículas de tamaño inferior a 10μm, que corresponden a todo el rango de partículas finas pequeñas, denominadas «partículas inhalables» y que son monitorizadas por el Ayuntamiento de Madrid.
Tráfico: conociendo dónde y cuándo se han producido accidentes de tráfico en una ciudad, en principio es posible predecir dónde y cuándo se producirán en el futuro. Se trata de desarrollar modelos que permitan una mejor gestión del tráfico urbano y un incremento de la seguridad por medio de un enfoque adaptativo.
Producción de electricidad solar: a partir de valores históricos de producción de electricidad en una planta solar, el proyecto consiste en analizar, modelar y predecir la producción futura teniendo en cuenta las previsiones meteorológicas de AEMET. También serán consideradas las componentes deterministas (rotación y traslación terrestre, horizonte, etc) que intervienen en esta serie.
Terremotos: usando series históricas de terremotos, el proyecto consiste en analizar, modelar e, idealmente, predecir la ocurrencia de eventos sísmicos de gran magnitud. Se utilizarán para ello series sísmicas de la Penísula Ibérica.

Línea de investigación: identificación de material biológico mediante aprendizaje profundo

En los últimos años, el aprendizaje profundo ha revolucionado los métodos de reconocimiento de imágenes. En esta línea de investigación se exploran los métodos más recientes y se desarrollan aplicaciones biomédicas de estas técnicas que permitan resolver problemas concretos. Ejemplos de estas aplicaciones:

Identificación de granos de polen: los granos de polen de distintas especies son microscópicos y enormemente parecidos entre sí. Hasta ahora, el conteo de granos de polen se hace manualmente, por parte de una persona (generalmente doctoranda) que, usando el microscopio, distingue y cuenta los granos de polen de cada especie. Gracias a las técnicas de aprendizaje profundo, es posible automatizar ese trabajo y liberar tiempo para otras tareas más importantes.
Identificación de zooplancton: en la industria de la piscicultura se crían diversas especies de zooplancton y es importante poder contar su concentración y detectar sus estados de desarrollo. Es posible hacerlo de forma automática usando redes neuronales artificiales y aprendizaje profundo.

Requisitos académicos

La persona candidata a realizar este proyecto debe reunir los siguientes requisitos:

buen expediente académico,
nivel alto de inglés,
conocimientos avanzados de programación.
Adicionalmente, se valorará haber cursado asignaturas relacionadas con la minería de datos, la estadística o los métodos probabilistas.

Perspectivas

El máster en que se encuadra este trabajo es un máster orientado a la investigación. Por este motivo, existe la posibilidad de acceder a financiación para la publicación de los resultados obtenidos en congresos internacionales. Además, se espera que el alumnado matriculado considere la posibilidad de realizar posteriormente una tesis doctoral, trabajo para el cual también habría posibilidades de acceso a financiación (el investigador responsable de esta línea de investigación disfruta de un contrato Ramón y Cajal, dotado con fondos para este tipo de trabajo).

Contacto

Si esta propuesta es de su interés, por favor escriba a jlaznarte en dia.uned.es.