Máster Interuniversitario en Tecnologías de Análisis de Datos Masivos: Big Data

Información Relevante para TFMs presentados en la USC

Reglamento USC (.pdf)

Formulario para presentación de anteproyecto (.rtf)

Hay que presentar el anteproyecto en la secretaría de la ETSE como mínimo tres meses antes de la fecha de depósito del TFM . Las fechas de depósito figuran debajo.

Procedimiento para solicitar la defensa del TFM:
  • el alumno debe acudir a su Secretaría Virtual de Alumno y solicitar la defensa (antes de la fecha límite). Para ello, debe subir la memoria del TFM en PDF e incorporar un título y resumen.
  • el tutor académico del TFM debe emitir un informe (a través de su Secretaría Virtual de Profesor). El informe del tutor (a subir en la secretaría virtual del profesor) seguirá el siguiente modelo.
  • NOTA IMPORTANTE: Desde 2018 ya no es necesario entregar copia en CD de la memoria/software.

Trabajos de Fin de Máster. Fechas relevantes (curso 2018/2019)

Febrero 2019 (sólo para alumnos que continúan estudios de años anteriores y tienen el resto de materias aprobadas): Fecha depósito: hasta 6/2, Fechas defensa: 18-20/2, Fechas revisión: 21-22/2

Julio 2019: Fecha depósito: hasta 28/6, Fechas defensa: 15-17/7, Fechas revisión: 18-19/7

Septiembre 2019: Fecha depósito: hasta 28/7, Fechas defensa: 11-13/9, Fechas revisión: 16-17/9

Trabajos de Fin de Máster. Fechas relevantes (curso 2019/2020)

Febrero 2020 (sólo para alumnos que continúan estudios de años anteriores y tienen el resto de materias aprobadas): Fecha depósito: hasta 7/2, Fechas defensa: 17-19/2, Fechas revisión: 20-21/2

Julio 2020: Fecha depósito: hasta 26/6, Fechas defensa: 13-15/7, Fechas revisión: 16-17/7

Septiembre 2020: Fecha depósito: hasta 29/7, Fechas defensa: 9-11/9, Fechas revisión: 14-15/9

Listado TFMs, curso 2017/2018

  • Framework para la construcción y despliegue de sistemas de procesamiento en tiempo real. Tutores: J.C. Pichel, D. Losada. Calificación: Matrícula de Honor
  • Análisis del comportamiento del consumo de clientes. Tutores: J. Varela Pet, P. Castañal. Calificación: Aprobado
  • Data mining para el descubrimiento de biomarcadores en el desarrollo de fármacos. Tutores: M. Mucientes, J. Palma. Calificación: Sobresaliente
  • Segmentación de obxectos mediante Deep Learning. Tutores: M. Mucientes, V. Brea. Calificación: Notable
  • Sistema de alertas basado en análisis de logs masivos. Tutores: J. Pichel, J. Cacheiro. Calificación: Notable
  • Planificación y diseño de un almacén de datos para distribución alimentaria. Tutores: A.G. Loureiro, E. Comesaña. Calificación: Sobresaliente

Listado TFMs, curso 2016/2017

  • Diseño de un sistema de sensorización en el ámbito de Internet de las cosas con bajo coste y consumo de potencia. Tutores: P. López, V. Brea. Calificación: Sobresaliente
  • KeywordSearch: busca escalable sobre conxuntos de datos medioambientais. Tutores: X.R. Ríos, A. Bugarin. Calificación: Sobresaliente
  • Reconstrucción 3D de escenas utilizando una cámara monocular. Tutor: M. Mucientes. Calificación: Matrícula de Honor
  • Solución de persistencia en análisis visual avanzado para arquitectura de procesamiento de logs en tiempo real. Tutores: P. Félix, A. Sanz. Calificación: Notable
  • Herramientas analíticas para el estudio de patrones psicolingüísticos en textos escritos por individuos con problemas de salud mental. Tutor: D. Losada. Calificación: Notable
  • Análisis de grandes colecciones de imágenes. Tutor: P. G. Tahoces. Calificación: Aprobado
  • Caracterización de aplicaciones mediante información de contadores hardware en sistemas NUMA. Tutores: T. Fernández, O. García, J. Lorenzo. Calificación: Sobresaliente
  • Modelado de variables relevantes para la navegación inercial con dispositivos móviles. Tutores: R. Iglesias, C. Vázquez. Calificación: Notable
  • Procesado de flujos Big Data con Apache Kafka y Logstash. Tutores: X.R. Ríos, C. Giraldo. Calificación: Notable
  • Descubrimiento de estereotipos sobre contenidos digitales mediante análisis estilométricos y tecnologías deep learning. Tutores: D. Losada, H. Cerezo. Calificación: Notable
  • Estudio, diseño y desarrollo de soluciones de prevención y actuación en un sistema de Teleasistencia basadas en análisis de datos. Tutores: D. Losada, S. Bello. Calificación: Notable
  • Sistema de detección proactiva e predictiva de ameazas de seguridade. Tutores: T. Fernández, J. Cabaleiro, D. Fustes. Calificación: Sobresaliente
  • Solución para predecir el número de incidencias de clientes de un operador de telecomunicaciones. Tutores: J. Rodríguez Presedo, A. Gude. Calificación: Notable
  • Diseño y desarrollo de un almacén semántico de datos BIM basado en tecnologías NoSQL. Tutores: X.R. Ríos, S. González. Calificación: Notable

Listado TFMs, curso 2015/2016

  • Implementación de un entorno para el despliegue bajo demanda de servicios dinámicos sobre la plataforma Big Data del CESGA. Tutores: Tomás Fernández, Javier Cacheiro, Roberto Rey. Calificación: Sobresaliente
  • Big spatial data al servicio de misiones críticas de emergencias con la actuación de forma cooperativa y segura de aeronaves tripuladas y no tripuladas. Tutores: Manel Cotos y Adolfo Riera. Calificación: Notable
  • Optimization of energy efficiency in buildings using rule-based regression models. Tutores: Alberto Bugarín, Manuel Mucientes, Pablo Rodríguez. Calificación: Sobresaliente
  • Efficient Registration of two hyperspectral images on GPUs. Tutores: Dora Blanco e Francisco Argüello. Calificación: Sobresaliente
  • Aplicación de técnicas de aprendizaje automático sobre sistemas de procesado en tiempo real de logs de actividad de sistema de Receta Electrónica. Tutores: Tomás Fernández y José Manuel González. Calificación: Sobresaliente
  • Minería de procesos para el descubrimiento de patrones infrecuentes de actividades en flujos de trabajo Tutores: Manuel Mucientes, Manuel Lama. Calificación: Matrícula de Honor
  • Siguiendo al líder: comprendiendo el comportamiento de la red social de un Yelper Influencer. Tutor: Eduardo Sánchez Vila. Calificación: Sobresaliente
  • Predicción del comportamiento de la lista de espera quirúrquica por medio de algoritmos de regresión. Tutores: Manuel Mucientes. Calificación: Sobresaliente
  • Utilidades de análisis y predicción de descargas en revistas electrónicas científicas Tutor: Paulo Félix Lamas. Calificación: Sobresaliente

Premio DXC al mejor TFM

Convocatoria para TFMs defendidos en el curso 16/17: Bases de la convocatoria (solicitudes hasta 17 nov!)

Contacto

Coordinador de la titulación: Prof. D. David E. Losada.

Correo-e: etse.bigdata@usc.es Enviar consulta »

Twitter: @bigdataUSC_UMU