Proyectos

Introducción Mi Trabajo de Fin de Grado consistió en diseñar y desarrollar una plataforma web de simulación clínica asistida por inteligencia artificial: una aplicación en la que el estudiantado de Medicina practica la entrevista clínica conversando, por chat, con pacientes virtuales realistas generados mediante modelos de lenguaje (LLMs). El proyecto nació dentro de una colaboración con la Facultad de Medicina de la USC y el grupo de investigación IRLab: Jorge López Castromán, profesor de las materias de Comunicación y Psiquiatría del Grado en Medicina, aportó la necesidad clínica y validó todo el material médico. Miguel Anxo Pérez Vila y Javier Parapar López dirigieron el TFG y pusieron a disposición la infraestructura de cómputo del IRLab. Por qué La entrevista clínica es seguramente la competencia más compleja que debe adquirir un futuro médico: no sigue un protocolo fijo y exige adaptarse continuamente a las respuestas, silencios y emociones del paciente. En psiquiatría, donde no hay pruebas complementarias que sustituyan el diálogo, de ella depende incluso la precisión del diagnóstico. ...

Introducción ¿Cómo definimos qué hace a dos ciclistas similares? En este proyecto, analicé datos del pelotón profesional para construir un sistema de recomendación de ciclistas. Utilizando técnicas de limpieza de datos y métricas de distancia vectorial, logré identificar qué corredores comparten perfiles de rendimiento similares, independientemente de su equipo o nacionalidad. Proceso de Desarrollo El proyecto se centró en transformar datos tabulares crudos en perfiles de rendimiento comparables. 1. Recolección de Datos Los datos se obtuvieron de fuentes públicas, concretamente tras una búsqueda exhaustiva, se decidió utilizar los proporcionados en Cycling Oracle ...

Introducción En este proyecto, el objetivo era crear una solución integral para la gestión y visualización de datos geoespaciales. para esto era necesario desarrollar un visor capaz de monitorizar la posición de ganado en relación con los límites de diferentes fincas, permitiendo el filtrado y visualización dinámica de los datos. Arquitectura del Sistema El sistema se divide en tres capas fundamentales que garantizan un flujo de datos eficiente: 1. Preprocesamiento (Data Engineering) Utilizamos un entorno de Jupyter Notebooks (preprocess.ipynb) para limpiar y transformar los datos brutos (cows_pos.csv y fincas.json). Aquí normalizamos las coordenadas, realizamos cruces espaciales y preparamos el dataset para su consumo. ...

Objetivo Desarrollar un método computacional que permita: Segmentar las carreteras existentes en una imagen de entrada. Es decir, dada una imagen aérea, proporcionar una máscara binaria con los píxeles de carretera a 1 y el resto a 0. Para un conjunto de imágenes de prueba, proporcionar un conjunto de métricas de evaluación cuantitativa de la segmentación apropiadas para la aplicación objetivo, usando el ground truth correspondiente. Esquema del trabajo Cargar las imagenes de entrada y cada ground truth. ...