Data Science Lab Blog

Desde el DSLAB, compartimos las propuestas de Trabajos Fin de Grado para el próximo curso. Están pensadas especialmente para estudiantes de Ingeniería Informática (y similares), Matemáticas, Ciencia e Ingeniería de Datos e Inteligencia Artificial.

Como sabéis, en el DSLAB trabajamos con datos reales y en colaboración con socios externos, aplicando técnicas de Machine Learning e Inteligencia Artificial en ámbitos como el deporte, la salud, el turismo o la sostenibilidad. Si te interesa alguno de estos temas y quieres formar parte de un proyecto con impacto real, ¡es tu momento!

Si estás interesado en alguno de los temas o quieres más información, puedes escribir directamente al coordinador del grupo Isaac Martín.

1. Sistemas de recomendación en el ámbito deportivo
2. Modelos de retorno a la práctica deportiva tras una lesión (Return to Play)
3. Predicción del riesgo de lesión en deportistas
4. Detección temprana de talento deportivo
5. Evaluación y seguimiento de la carga de entrenamiento
6. Análisis de factores psicológicos y contextuales en el rendimiento deportivo
7. Modelización estadística y generación automática de informes en el ámbito sanitario
8. Modelos predictivos aplicados al turismo sostenible
9. Sistema de tutoría inteligente basado en agentes con LLMs
10. Agente autónomo para asistencia en investigación científica con LLMs
11. Interpretación automática de dashboards con LLMs e IA Generativa
12. Optimización automática de prompts para LLMs
13. Plataforma de análisis de datos de una liga de pádel
14. Sistema de detección de patrones en video para tenis individual
15. Dashboard de medidas de complejidad
16. ¿Qué efectos tiene la imputación de datos? Una aproximación con medidas de complejidad
17. Integración de APIs en aplicaciones shiny para compartición de datos
18. Técnicas de Nowcasting para estadística pública con Ciencia de Datos
19. Técnicas de agregación y desagregación de datos espaciotemporales

Esta semana, varios integrantes de nuestro grupo participaron en el XLI Congreso Nacional de Estadística e Investigación Operativa, organizado por la SEIO y celebrado en Lleida. Las contribuciones abordaron temas diversos como la sostenibilidad turística, el rendimiento deportivo, la inteligencia artificial aplicada al lenguaje y la optimización industrial, mostrando la amplitud de nuestras líneas de investigación.

Emilio López presentó “Sostenibilidad y explicabilidad en turismo”, una herramienta desarrollada en R Shiny que permite explorar indicadores turísticos mediante explicaciones contrafactuales, facilitando el análisis de qué cambios mejorarían la sostenibilidad de un destino. Por su parte, Carmen Lancho expuso “Análisis del rendimiento en natación mediante R”, donde se mostró un panel interactivo que permite estudiar datos de competiciones, agrupar pruebas y simular el rendimiento de nadadores.

En el ámbito de la inteligencia artificial, Natalia Madrueño presentó “Generación de ejemplos adversarios en texto con LLMs”, una propuesta que utiliza LLMs para analizar la robustez de clasificadores textuales frente a perturbaciones sutiles. Finalmente, Antonio Alonso compartió el trabajo “Optimización en la industria del hormigón elaborado”, centrado en un modelo MILP que integra producción y distribución del hormigón bajo restricciones logísticas complejas.

Nuestro compañero Alberto Fernández ha participado hoy en el webinar “Ciberseguridad para un Futuro Conectado”, organizado por el Centro Demostrador TIC de Extremadura (CDTIC) en el marco del proyecto TriRuralTech. En su charla, nos mostró de forma muy accesible cómo el análisis de datos es hoy una pieza clave para reforzar la ciberseguridad.

Alberto explicó cómo el Big Data y la Ciencia de Datos permiten detectar patrones sospechosos, prevenir ataques y transformar grandes volúmenes de información en conocimiento útil. También compartió ejemplos prácticos como la detección de intrusiones, el análisis de malware o la lucha contra campañas de desinformación, apoyándose en herramientas como Python o Spark.

Además, expuso ejemplos del proyecto DICYME, en el que participa el DSLAB, que busca traducir los riesgos técnicos de los sistemas industriales en métricas de ciberriesgo comprensibles para el entorno empresarial.

Desde el DSLAB nos complace anunciar que la Fundación Madri+d ha emitido un informe favorable para la creación del nuevo Máster Universitario en Análisis de Datos Deportivos, que comenzará a impartirse a partir del curso 2025-2026. Este máster oficial supone un gran avance en la formación especializada en el análisis de datos aplicado al sector deportivo.

El programa está diseñado para formar a expertos en áreas como estadística avanzada, Machine Learning y Big Data, con un enfoque práctico orientado al deporte y sus múltiples aplicaciones. Con esta formación, los estudiantes estarán capacitados para liderar proyectos innovadores en clubes deportivos, federaciones, empresas tecnológicas o en el ámbito académico e investigador.

El carácter multidisciplinar del máster ha permitido integrar la experiencia docente de diferentes áreas, consolidando un plan de estudios moderno y adaptado a las necesidades del sector.

Desde el DSLAB queremos agradecer a todos los implicados en el desarrollo de este proyecto, que representa un paso más en nuestro compromiso por impulsar la innovación y la excelencia académica en el análisis de datos.

¡Estamos deseando dar la bienvenida a la primera promoción en 2025!

El juego de mesa DSGAME premiado por su contribución la divulgación científica.

Dentro del evento Ciencia eres tú, organizado por el Vicerrectorado de Investigación, Innovación y Transferencia y la Unidad de Cultura Científica y de la Innovación de la URJC, los investigadores Isaac Martín y Carmen Lancho, miembros del DSLAB han visto reconocida su labor de divulgación científica por a su participación en eventos como la vigésimocuarta Semana de la Ciencia y la décimoquinta Innovación o la Noche Europea de los Investigadores.

Además, a la par se han leído los premios de la sexta convocatoria de Premios de Divulgación Científica. En dicha convocatoria ha resultado premiado, en tercer lugar, el DSGAME: El juego de mesa de la Ciencia de Datos. Isaac ha destacado el objetivo de este trabajo de acercar a la sociedad de una forma lúdica y amena los diferentes aspectos de la Ciencia de Datos (disciplina que combina las matemáticas, la estadística y las ciencias computacionales), así como mostrar su utilidad y la importancia de los datos en el mundo digital actual.

Nuestro compañero Emilio ha presentado hoy la aplicación Shiny CRAS: Cybersecurity Risk Analysis and Simulation en el congreso useR!, celebrado en Salzburgo.

Esta permite simular pérdidas en ciberseguridad, permitiendo al usuario elegir entre la metodología FAIR (ampliamente utilizada en el análisis de riesgos de ciberseguridad) o modificaciones de la misma, como diferentes distribuciones de probabilidad o cambios en la ontología FAIR. El análisis estadístico de los resultados de la simulación se muestra mediante tablas y gráficos interactivos.

Además, la aplicación permite generar informes automáticos en Quarto y explorar diferentes escenarios mediante una interfaz intuitiva. Su versatilidad la hace útil tanto para profesionales del sector como para la enseñanza en cursos de análisis de riesgos en ciberseguridad.

Oferta de TFG y TFM del DSLAB para el curso 2023-2024:

• Desarrollo de tutor virtual inteligente.
• Diseño e implementación de un sistema de recomendación de viajes.
• Integración de un sistema de juego multiplataforma.
• Aplicación Shiny para la automatización de informes de ensayos interlaboratorios.
• Aplicación Shiny para la elaboración de informes de proyectos de I+D.
• Creación de un paquete de R que implemente los métodos estadísticos de alguna norma legal o estándar.
• Creación de un paquete de R que implemente una serie de técnicas de visualización de datos para el Aprendizaje Automático.
• Efecto de la técnica de aumento de datos para una mejor visualización de datos desbalanceados.
• Dashboard de medidas de complejidad.
• Efecto de la métrica en las medidas de complejidad basadas en distancias.
• Explainable Machine Learning.

Hoy nuestros compañeros del DSLAB han presentado su trabajo "La Inteligencia Humana al rescate de la Inteligencia Artificial" en la XXI edición de la Semana de la Ciencia y la Innovación. Enhorabuena por el trabajo realizado.

Oferta de TFG y TFM del DSLAB para el curso 2019-2020:

• SABERMED
• Evaluación de modelos de clasificación binaria y multiclase utilizando diferentes métricas.
• Clustering genéticos.
• Métricas para medir el solapamiento entre clases en problemas de clasificación.
• Datos simbólicos y su uso para la representación y clasificación de textos.
• Red neuronal para análisis de sentimiento en español.
• Soluciones software para datos desequilibrados.
• Sistema de recomendación de animes basado en grafos de conocimiento.
• Clasificación en tiempo real de patrones de comportamiento en ganado mediante análisis de series temporales.
• Métodos de reducción de la dimensionalidad como herramienta de diagnosis y evaluación de modelos de predicción.
• Time Series for Drift Detection.
• Métodos de reducción de la dimensionalidad y su proyección en el plano.
• Sistema de detección y clasificación de oportunidades en el sector viajes.
• User Behavior Analytics para detectar comportamientos anómalos y su implantación en sistemas de gestión de identidades.
• Red Neuronal para transferencia de estilos en imágenes de anime / manga.
• Plataforma de tráfico rodado.

Oferta de TFG y TFM del DSLAB para el curso 2018-2019:

• Sistema de recuperación de información en páginas web del ámbito sanitario.
• Conocimientos básicos de web scraping.
• Python.
• Sistema para la evaluación de la imagen de marca.
• Machine Learning.
• Aprendizaje Profundo.
• Redes Neuronales.
• Visión por Computador
• Seguridad Informática mediante Machine Learning.
• Análisis del comportamiento de usuario.
• Aprendizaje Máquina.
• Ciencia de Datos sobre el uso de aplicaciones móviles por parte de discapacitados intelectuales.
• Procesamiento de la información.
• Limpieza de datos.
• Aprendizaje Máquina.
• Organizador Automático de Comunidades Web.
• Extracción de la información web.
• Perfilado de usuarios.
• Aprendizaje Semi-supervisado.
• Detección de Fake news mediante técnicas de Minería de Texto y Aprendizaje Máquina.
• Mineria de Texto.
• Aprendizaje supervisado.
• Clustering Genético Distribuido
• Big Data
• Algoritmos Genéticos
• Aprendizaje no supervisado.

Oferta de TFG y TFM del DSLAB para el curso 2016-2017:

• Big Data en VideoVigilancia Inteligente.
• Machine Learning para el análisis de sentimientos en la web.
• Video Tagging con Deep Learning.
• Seguridad Informática mediante Machine Learning.