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 (mediante correo-e a etse.secredireccion@usc.es) 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 alumno debe enviar un correo-e a etse.secredireccion@usc.es con el justificante que se obtiene de su Secretaría Virtual. Se revisará el justificante y se confirmará la correcta recepción.
  • 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 2023/2024)

Febrero 2024: fecha de depósito: 24/01; fechas de defensa: 7-8/02; fechas de revisión: 19-20/02.

Julio 2024: 1/07; fechas de defensa: 15-16/07; fechas de revisión: 18-19/07.

Septiembre 2024: 29/07; fechas de defensa: 12-13/09; fechas de revisión: 18-19/09.

Listado TFMs, curso 2022/2023

  • Particionamiento de grandes colecciones de grafos para el filtrado aproximado en arquitecturas distribuidas. Tutores: J. Ríos, D. Luaces. Calificación: sobresaliente.
  • Estrategias de aprendizaje con aprendizaje activo. Tutores: M. Mucientes, R. Dosil. Calificación: notable.
  • Análisis preditivo de la fibrilación auricular en registros de ECG. Tutores: P. Félix, J. Rodríguez. Calificación: sobresaliente.
  • Generación de estaciones oceánicas virtuales a partir de la integración de datos de fuentes múltiples en un ambiente interoperable. Tutores: J. Triñanes. Calificación: sobresaliente.
  • Identificación de biomarcadores clínicos potenciales para pacientes diagnosticados de uveitis mediante técnicas de proteómica cuantitativa. Tutores: P. Félix, J. Mateos, B. Rodríguez. Calificación: notable.
  • Desarrollo de una herramienta para facilitar el estudio de los manuales de artes marciales medievales mediante el análisis terminológico y contextual de las fuentes históricas. Tutores: D. Losada, D. Beiró. Calificación: sobresaliente.
  • Aplicación de técnicas de inteligencia artificial para la calibración de formularios de evaluación y detección de errores críticos. Tutores: J. Vidal, E. de Miguel. Calificación: notable.
  • Rastreo enfocado para la extracción de datos y evaluación de modelos en el ámbito de los agentes conversacionales y de la entrevista motivacional. Tutores: D. Losada, M. Fernández. Calificación: sobresaliente.
  • Exploración de tecnologías para garantizar la calidad de los datos. Tutores: J. Ríos, R. Martínez. Calificación: notable.
  • Estimacion de la huella de carbono en función del gasto realizado en determinados sectores reflejado en los movimientos bancarios. Analise por marcas e sectores. Tutores: J. Triñanes, O. Barba. Calificación: sobresaliente.
  • Técnicas de IA explicable para la mejora en la calidad de los procesos de fabricación de automóviles. Tutores: A. Bugarín, A. Dacal. Calificación: notable.
  • Generación de etiquetas mediante tracking para el entrenamiento de un detector few-shot. Tutores: M. Mucientes, D. Cores. Calificación: sobresaliente.
  • Análisis avanzado de datos obtenidos a partir de los dispositivos móviles de peregrinos del Camino Francés. Tutores: E. Sánchez, F. Vaamonde. Calificación: sobresaliente.
  • Nuevas metáforas de visualización de series temporales. Tutores: P. Félix, A. Pérez. Calificación: notable.
  • Tecnologías para la simplificación de textos en un motor de generación de preguntas de última generación. Tutores: D. Losada, H. Cerezo. Calificación: notable.

Listado TFMs, curso 2021/2022

  • Desarrollo de un modelo de toma de decisiones basado en un modelo asociativo del cerebro humano. Tutores: E. Sánchez. Calificación: notable.
  • Generación de características de los establecimientos de compra de usuarios. Tutores: J. Vidal, O. Barba. Calificación: notable.
  • Automatización del aseguramiento de la calidad de los datos de un data warehouse. Tutores: J. Triñanes, P. Bustelo. Calificación: sobresaliente.
  • Creación de una aplicación de procesamiento distribuido sobre herramientas cloud gestionadas. Tutores: T. Fernández, R. Martínez. Calificación: sobresaliente.
  • ¿Por qué comemos lo que comemos? Análisis de la toma de decisiones en el ámbito gastronómico. Tutores: E. Sánchez. Calificación: notable.
  • Clasificación de cultivos agrícolas mediante técnicas de teledetección y aprendizaje automático. Tutores: D. Blanco, A. Skarmeta, A. González. Calificación: notable.
  • Desarrollo de un motor de predicción de series temporales. Tutores: P. Félix, D. Reiriz. Calificación: notable.
  • Busca de patróns ocultos en boias M3i. Tutores: M. Mucientes, A. Pérez. Calificación: sobresaliente.
  • Aplicar a intelixencia artificial para mellorar a planificación financeira. Tutores: M. Mucientes, O. Barba. Calificación: notable.
  • Plataforma de grafos sobre un Sistema de Xestión de Bases de Datos Relacionales (RDBMS). Tutores: J. Ríos, I. Montalbán. Calificación: sobresaliente.
  • Sistema de alertas basado en procesamento en tempo real de logs nunha plataforma con dispoñibilidade 24/7. Tutores: M. Lama. Calificación: sobresaliente.
  • Creación de modelos para predicir o rendemento deportivo de xogadores profesionais de baloncesto. Tutores: D. Losada, M. González. Calificación: sobresaliente.
  • Tecnología de análisis de textos en medios sociales para el estudio de la evolución psicológica de las personas en tiempos de pandemia. Tutores: D. Losada, M. Fernández. Calificación: sobresaliente.
  • Detección de ciberataques mediante o análise de comportamento de usuarios e entidades. Tutores: J. Vidal, I. Ortega. Calificación: sobresaliente.
  • Análise de espectros de 1H-RMN mediante técnicas de aprendizaxe automático ou profundo e simulación de grandes datos de espectros. Tutores: J. Vidal, J. Cobas. Calificación: sobresaliente.
  • Análise e visualización masiva de datos en boias M3i. Tutores: P. Félix, A. Pérez. Calificación: sobresaliente.
  • Aproximación á detección de anomalías en sensores industriais en tempo real usando técnicas de analítica avanzada.. Tutores: D. Mera, P. Lombao. Calificación: sobresaliente.
  • Desenvolvemento dun motor de recomendación baseado en técnicas de Deep Learning. Tutores: E. Sánchez, D. Reiriz. Calificación: notable.
  • Marco de Análisis y Optimización de Modelos de Calidad ofrecidos en un Contact Center mediante Técnicas Estadísticas y Big Data. Tutores: J.C. Vidal, E. de Miguel. Calificación: sobresaliente.

Listado TFMs, curso 2020/2021

  • Estudio y comparativa de modelos de Machine Learning para la resolución del problema inverso en tomografías EIT. Tutores: D. Mera, J.M. Cotos. Calificación: sobresaliente.
  • Detección y tracking de objetos en vídeo en streaming. Tutores: M. Mucientes, D. Cores. Calificación: notable.
  • Aplicación de técnicas de visión artificial para la revisión asistida de vídeo en Karate. Tutores: M. Mucientes, I. Rodríguez. Calificación: notable.
  • Extendiendo una plataforma Big Data multilenguaje para su aplicación en la bioinformática. Tutores: J.C. Pichel, T. Fernández. Calificación: sobresaliente.
  • Registro de partidos profesionales de pádel a través de sistemas de visión por computador. Tutores: M. Mucientes, P. Martínez. Calificación: sobresaliente.
  • Diseño e implementación de un sistema de identificación biométrica para un gran volumen de usuarios. Tutores: M.J. Carreira, P. Dago. Calificación: sobresaliente.
  • Análisis comparativo de tecnologías para el procesamiento de datos masivos e la generación de analíticas de negocio. Tutores: T. Fernández. Calificación: notable.
  • Interpretación de novelty detection mediante autoencoders. Tutores: M. Mucientes, I. Rodríguez. Calificación: sobresaliente.
  • Social Big Data y enfermedad mental: aplicación automática de nuevas técnicas discursivas a colecciones desde redes sociales en contextos de enfermedad mental. Tutores: D. Losada, P. Martín. Calificación: notable.

Listado TFMs, curso 2019/2020

  • Plataforma Big Data para el análisis reputacional y de credibilidad de contenidos relacionados con la salud en redes sociales. Tutores: D. Losada, J.C. Pichel. Calificación: sobresaliente.
  • Plataforma para la Aplicación Analítica Avanzada en el Ámbito del Baloncesto Profesional. Tutores: D. Losada, A. Sanz. Calificación: notable.
  • Aplicación de algoritmos bandido multibrazo para la identificación del mejor sistema de busqueda. Tutor: D. Losada. Calificación: sobresaliente.
  • Estimación automática de signos de depresión a partir de análisis de texto. Tutores: D. Losada, P. Gamallo. Calificación: sobresaliente.
  • Verificación del cumplimiento de procesos de negocio. Tutores: M. Lama, M. Mucientes. Calificación: sobresaliente.
  • Adaptación del software para alineamiento da secuencias genéticas a apache Spark v2. Tutores: T. Fernández, J.M. Abuín. Calificación: notable.
  • Detección de Objetos con Asociación de Datos Embebida. Tutores: M. Mucientes, V. Brea. Calificación: matrícula de honor.
  • Técnicas de extracción de texturas para la clasificación de especies vegetales en imágenes hiperespectrales: enfoque Bag of Words basado en superpixels. Tutores: D. Blanco, F. Argüello. Calificación: sobresaliente.
  • Análisis financiero mediante técnicas de Inteligencia Artificial. Tutores: M. Mucientes, O. Barba. Calificación: sobresaliente.

Listado TFMs, curso 2018/2019

  • Predicción y optimización de procesos industriales. Tutores: V. Brea, A. Dosil. Calificación: Notable
  • Estudio y modelado del comportamiento de baterías en mecanismos electrónicos de seguridad Xesar. Tutores: P. López, J. Cacheiro. Calificación: Sobresaliente
  • Tecnologías de agrupamiento automático para el perfilado de situaciones hidrológicas en las rías gallegas. Tutores: D. Losada, P. Montero. Calificación: Sobresaliente
  • Creación de un repositorio Big Data en el ámbito industrial. Tutores: X. Ríos, A. Dosil. Calificación: Notable
  • Descubrimiento y gestión de variantes de diagramas BPMN. Tutores: M. Lama. Calificación: Sobresaliente
  • Sistema de recomendación basado en motivaciones. Tutores: E. Sánchez. Calificación: Notable
  • Análisis automático de emociones a partir de señales de audio mediante técnicas de deep learning. Tutores: J. Rodríguez, P. Félix. Calificación: Sobresaliente
  • Aplicaciones industriales Big Data para mantenimiento predictivo y control de calidad. Tutores: V. Brea, B. Fernández. Calificación: Sobresaliente
  • Recuperación de datos océano-meteorológicos de fuentes no estructuradas. Tutores: D. Losada, S. Piedracoba. Calificación: Notable
  • Aprendizaje automático para clasificación sobre características cuantitativas en imagen médica PET. Tutores: M. Mucientes, A. Bugarín. Calificación: Sobresaliente
  • Detección de anomalías con Deep Learning. Tutores: M. Mucientes, J. Cacheiro. Calificación: Notable
  • Planificación y diseño de un almacén de datos para transporte de viajeros. Tutores: A.G.Loureiro, E. Comesaña. Calificación: Notable
  • Simulador flexible y escalable para la optimización de Smart-Grid. Tutores: M. Mucientes, J. Ayala. Calificación: Notable
  • Desambiguación eficiente de entidades nombradas mediante grafos semánticos. Tutores: M. Lama, J.C. Vidal. Calificación: Sobresaliente
  • Arquitectura RNT para la predicción de calidad en un proceso de minería. Tutores: T. Fernández, I. Rodríguez. Calificación: Sobresaliente
  • Diseño y construcción de una arquitectura de alta disponibilidad para la puesta en producción de un sistema de Teleasistencia basado en análisis de datos. Tutores: J.C. Pichel, S. Bello. Calificación: Notable
  • Tracking visual de múltiples objetos con redes convolucionales profundas. Tutores: M. Mucientes, V. Brea. Calificación: Matrícula de Honor

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

Lista de premiados:

  • Aproximación a la detección de anomalías en sensores industriales en tiempo real usando técnicas de analítica avanzada (Marco Baleato, curso 21-22).
  • Diseño e implementación de un sistema de identificación biométrica para un gran volumen de usuarios (Eduardo López, curso 20-21).
  • Plataforma Big Data para el análisis reputacional y de credibilidad de contenidos relacionados con la salud en redes sociales (Marcos Fernández, curso 19-20).
  • Tracking visual de múltiples objetos con redes convolucionales profundas (Lorenzo Vaquero, curso 18-19).
  • Framework para la construcción y despliegue de sistemas de procesamiento en tiempo real (Rodrigo Martínez, curso 17/18).
  • Reconstrucción 3D de escenas utilizando una cámara monocular (Daniel Cores, curso 16-17).

Contacto

Coordinador de la titulación: Prof. D. Manuel Mucientes.

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