¿Buscas director para tu TFG, TFM o tesis doctoral? Si te interesan la inteligencia artificial, la realidad virtual y aumentada, la visión por computador o los videojuegos, escríbeme. Muchos de los trabajos que dirijo forman parte de proyectos del grupo AIR con hospitales y empresas, como Smart-RehabAR o MRP-5G. También puedes venir con una idea propia y le damos forma juntos.

Debajo están las tesis doctorales, los trabajos fin de máster, los trabajos fin de grado y los proyectos fin de carrera que he dirigido o dirijo, cada trabajo fin de estudios con su memoria en PDF, para que veas lo que hacemos.

  Proponer un trabajo

Temas abiertos

• Plataforma de administración para una formación inclusiva en prevención de riesgos laborales · TFG
  Muchos trabajadores reciben la formación de prevención de su puesto en un idioma que no dominan o en textos que no pueden leer con soltura. Este trabajo construye la parte de gestión de un sistema que les entrega esa formación en su idioma o en lectura fácil y comprueba que la han entendido. La empresa da de alta a su plantilla, asigna a cada persona el módulo de su puesto y la versión que necesita, sigue quién lo ha completado y descarga un justificante con la versión exacta del contenido que vio cada trabajador. Como el contenido lo revisa un técnico de prevención, la plataforma guarda sus versiones y quién las aprobó. Por diseño no almacena datos de salud ni de discapacidad.
  Tecnologías: aplicación web con API REST, base de datos relacional, generación de PDF y, como ampliación, envío por WhatsApp Business.
• Banco de pruebas para medir la transcripción de manuscritos históricos con IA · TFG
  Los modelos de inteligencia artificial ya leen documentos manuscritos de archivo, pero fallan de formas difíciles de ver. Confunden nombres propios y fechas sin avisar y, cuando la letra se les escapa, a veces presentan como leído un texto que no está en el documento. Este trabajo construye un banco de pruebas abierto para medirlo. Reúne documentos digitalizados de dominio público de distintas épocas con su transcripción de referencia, calcula la tasa de error por carácter y por palabra con una normalización paleográfica de grafías antiguas y abreviaturas, detecta el texto inventado y comprueba si la confianza que declara cada sistema se corresponde con sus aciertos. Con él se comparan varios sistemas, desde modelos multimodales generalistas hasta herramientas específicas de transcripción.
  Tecnologías: Python, modelos multimodales por API y en local, métricas de evaluación y una pequeña web para consultar los resultados.