Doble Grado en Ingeniería Informática - Tecnologías Informáticas y Matemáticas

URI permanente para esta colecciónhttps://hdl.handle.net/11441/148940

Examinar

Mostrando 1 - 4 de 4

Modelos de clasificación como servicio (MLaaS) - Proyecto Veritas
(2024) Vaz Rodríguez, Ricardo; Fernández Montes, Pablo; García Rodríguez, José María; Universidad de Sevilla. Departamento de Lenguajes y Sistemas Informáticos
Este documento presenta el proyecto de Trabajo de Fin de Grado del alumno Ricardo Vaz Rodríguez para el doble grado conjunto de Ingeniería Informática - Tecnologías Informáticas de la Escuela Técnica Superior de Ingeniería Informática y Maten áticas de la Facultad de Maten áticas de la Universidad de Sevilla. Es un trabajo de 18 créditos ECTS que busca demostrar la consecución de las competencias necesarias para obtener el título correspondiente. Trata principalmente sobre el desarrollo de un software de entrenamiento de modelos de aprendizaje automático para clasificación de muestras como un servicio, en el que el usuario final puede delegar la tarea de entrenar los modelos y dedicarse al estudio de las consecuencias que se extraen de los mismos. Nace como parte de la ejecución del proyecto Veritas como parte del contrato laboral de técnico de investigación del alumno en el departamento de Lenguajes y Sistemas Informáticos. Veritas es un proyecto de Ingeniería Informática y Matemáticas que tiene como objetivo desarrollar una herramienta tecnológica que permita aplicar de forma practica y comercial las conclusiones obtenidas de varios estudios realizados sobre la capacidad de la técnica de espectrofotometría UV-Vis, para clasificar y caracterizar vinagres con Denominación de Origen protegida. Esta técnica está demostrando grandes virtudes al permitir un análisis rápido, poco costoso y con capacidad para generar buenos modelos que clasifiquen y caractericen vinagres de diferentes orígenes y procesos de fabricación en función de sus cualidades químicas. Las aplicaciones reales de estos estudios requieren del desarrollo de una herramienta tecnológica que a une la medición realizada con un espectrofotómetro y la predicción realizada por los modelos desarrollados. Este proyecto pretende aportar dicha herramienta a través del desarrollo de un dispositivo de toma de muestras integral y de un sistema de etiquetado y generación de modelos en la nube, que permita predecir nuevas muestras en el momento. La aplicación de conceptos de desarrollo de software moderno busca asegurar la robustez y disponibilidad de la herramienta, mediante el uso del paradigma de arquitectura basada en micro servicios. El estudio teórico matemático pretende dotar a la herramienta de un rigor en los resultados generados que permitan su uso en un entorno real.
Curvas de Edwards para firma digital: EdDSA
(2023) Sendín Martín, José Cristóbal; Soto Prieto, Manuel Jesús; Martínez Ballesteros, María del Mar; Universidad de Sevilla. Departamento de Álgebra; Universidad de Sevilla. Departamento de Lenguajes y Sistemas Informáticos
EdDSA is the digital signature used in the Signal protocol. The development of this protocol was a milestone for instant messaging applications. On top of that, digital signatures are an undeniably useful cryptographic primitive nowadays, which is why we will focus on the protocol’s signature. To understand it, we must not only have a clear comprehension of the basic concepts of cryptography and digital signatures. EdDSA is based on Edwards Curves. The research on these curves enabled the development of the protocol, which is why we will study them extensively, focusing on the three papers that introduced them. Additionally, we will cover the basic concepts of elliptic curves and the Signal protocol itself. To conclude, we will implement the signature to ensure our comprehension of the algorithm and to analyze the development process.
Análisis Numérico de modelos regidos por Ecuaciones Diferenciales. Simulación e Implementación en Python.
(2023) Casado Sánchez, Ana; Gómez Mármol, María Macarena; Universidad de Sevilla. Departamento de Ecuaciones Diferenciales y Análisis Numérico
La presente memoria está dedicada al estudio numérico de las ecuaciones diferenciales, tanto desde el enfoque teórico como desde el computacional, complementando las competencias adquiridas tanto en el grado en Matemáticas como en el grado en Ingeniería Informática. Consideramos el caso de sistemas diferenciales ordinarios y el de ecuaciones en derivadas parciales, que tratamos desde el punto de vista variacional. La resolución numérica efectiva de los problemas considerados, se lleva acabo usando Python gracias al módulo numpy, que es fundamental para la programación científica. En el caso de ecuaciones en derivadas parciales, nos apoyamos en la librería FEniCS y complementamos las representaciones gráficas utilizando ParaView.
Machine Learning aplicado a la propagación de alta precisión de trayectorias de satélites
(2023) Calderón Valdivia, José; Ayala Hernández, Daniel; Valencia Cabrera, Luis; Universidad de Sevilla. Departamento de Lenguajes y Sistemas Informáticos
La predicción precisa de las posiciones de los satélites es fundamental para una amplia gama de aplicaciones, que van desde las comunicaciones y navegación por satélite hasta la teledetección y la planificación de misiones espaciales. La capacidad de predecir con precisión las trayectorias de los satélites proporciona información crítica para el funcionamiento seguro y eficiente de estos sistemas espaciales. Sin embargo, debido a las diversas fuerzas y perturbaciones que afectan a los satélites en órbita, lograr una predicción precisa enfrenta desafíos técnicos y científicos significativos. Para la modelización de trayectorias existen principalmente dos tipos de modelos: los analíticos, como SGP4 y SDP4; y los de alta precisión, como HPOP. Como su nombre indica, los de la segunda familia aportan más fiabilidad; sin embargo, el coste computacional es demasiado elevado para realizar predicciones a medio o largo plazo. En el presente trabajo se utiliza el paquete de R asteRisk para la creación de un conjunto de datos de entrenamiento y validación y, posteriormente, desarrollar modelos de redes neuronales para corregir las predicciones realizadas por un modelo analítico y así obtener predicciones precisas en un tiempo reducido. Previamente a la creación del conjunto de datos se desarrolla un método de optimización de los parámetros del modelo SGP4 y SDP4, de modo que en el conjunto de datos se pudieron incluir tanto las predicciones con los parámetros base como con los parámetros optimizados. Por tanto, también se pudo estudiar cómo variaba la capacidad de predicción del error de las redes neuronales según si los parámetros orbitales de SGP4 y SDP4 habían sido previamente optimizados o no. Todo esto es posible gracias la gran cantidad de datos disponibles sobre trayectorias de satélites en un formato estandarizado, ya sean archivos RINEX o archivos TLE.

Examinar

Envíos recientes