Máster Universitario en Sistemas Inteligentes
Año académico 2024-25
Pueden consultar esta información para la oferta del curso académico 2023-24.
Este máster se puede cursar:
- en un año dentro de la oferta de la UIB,
- o bien integrado en el máster de dos años del programa EDISS (Master Programme on the Engineering of Data-intensive Intelligent Software Systems) https://www.master-ediss.eu/, que es un Erasmus Mundus Joint Master Degree con financiación de la EU.
Información general sobre los TFM
El Trabajo de Fin de Máster (TFM) consiste en la realización de un trabajo académico, inédito y elaborado específicamente para esta finalidad, donde el estudiante tiene que aplicar, de manera individual y bajo la supervisión de uno o más tutores, competencias adquiridas a lo largo de la titulación, y que permite, en función de los perfiles de cada plan de estudios, la evaluación de la capacidad profesional, formativa y/o de iniciación en busca del estudiante.
A continuación podéis consultar la información en lo referente a cada una de las fases en que se divide la gestión académica y administrativa del TFM de acuerdo con el Acuerdo del Comité de Dirección del Centro de Estudios de Postgrado por el cual se aprueba el Reglamento propio para la elaboración y evaluación de los trabajos de fin de máster universitario en la Universitat de les Illes Balears, que entra en vigor el año académico 2020-21.
Matrícula del trabajo de fin de máster
El estudiante se tiene que matricular de la asignatura de TFM dentro de los plazos de matrícula o de ampliación de matrícula establecidos por la CEP antes de poder proceder a las siguientes fases del proceso. Así mismo, cada titulación puede definir las condiciones y los requisitos que los estudiantes tienen que cumplir para poderse matricular del TFM (si procede, estos requisitos se indicarán en la guía docente del TFM y en el apartado de información específica de la titulación).
El número máximo de matrículas para superar el TFM es de cuatro, más una matrícula adicional que será concedida por la dirección de la CEP, previo visto bueno de la dirección del máster.
Cuando la defensa del TFM no se pueda llevar a cabo durante la primera matrícula vigente, el estudiante se podrá matricular por tutela académica el año académico inmediatamente posterior para poder efectuar la defensa del trabajo. La matrícula por tutela académica contará como segunda matrícula y, una vez finalizado el periodo de tutela sin haber superado el TFM, las matrículas siguientes serán ordinarias.
En cualquier caso, si se efectúa la defensa del TFM y el trabajo obtiene una calificación de suspenso, el estudiante tendrá que hacer una nueva matrícula ordinaria sin poder optar a la matrícula por tutela académica.
Asignación de propuestas y tutores
Cada titulación publicará la lista de propuestas o líneas generales sobre las cuales
los estudiantes matriculados al TFM de la titulación podrán elaborar el trabajo. Las
propuestas o líneas constarán de uno o varios profesores que puedan ser tutores.
Las propuestas se asignarán siguiendo el procedimiento establecido por cada titulación
(si procede, este procedimiento se indicará en el apartado de información específica
de la titulación), y es responsabilidad de cada uno de los tutores velar por la calidad
académica del TFM.
Realización del TFM en entidades colaboradoras
El TFM se puede realizar en entidades colaboradoras con las que se haya firmado un convenio (modelo de convenio) y previamente se haya realizado la propuesta en <convenis.postgrau@uib.cat>.
Los estudiantes que tengan que elaborar el TFM en una entidad colaboradora se seleccionarán de acuerdo con los términos que se hayan acordado mediante el procedimiento oportuno de selección indicado en la adenda del convenio y en función de las plazas disponibles para cada entidad.
La entidad colaboradora nombrará un responsable del programa que implique al estudiante durante el período que dure la estancia, que deberá garantizar la adecuada formación y acogida y la buena gestión de la actividad educativa.
La UIB nombrará un tutor, que velará por la calidad académica del TFM.
Hay que tener en cuenta que la titularidad de los derechos de propiedad intelectual o de propiedad industrial del TFM se regulará según la normativa vigente en la materia y, en su caso, por lo dispuesto en los convenios firmados con las entidades públicas o privadas que hayan podido contribuir a financiar o facilitar la ejecución de estos convenios.
Inscripción del proyecto del trabajo de fin de máster
La inscripción del TFM constituye un contrato docente entre el estudiante y el tutor o los tutores.
Una vez asignada la propuesta de TFM a un estudiante, este formalizará la inscripción del trabajo dentro de los plazos establecidos para cada titulación (véase el apartado de información específica de la titulación), mediante la aplicación telemática https://postgrau.uib.es/tfm, que permitirá al estudiante hacer el seguimiento de su solicitud.
Hay que tener en cuenta que a la solicitud de inscripción el estudiante tiene que:
- Hacer constar el título provisional del trabajo (sin emplear mayúsculas, excepto en los casos necesarios).
- Hacer constar el nombre y los apellidos de cada uno de los tutores y las direcciones electrónicas respectivas (tiene que comprobar que estas direcciones son correctas, puesto que este será el medio a través del cual los tutores tendrán que aceptar la tutela del TFM para completar la inscripción del trabajo).
- Adjuntar un guion del trabajo en formato PDF y de un tamaño inferior a 100 MB.
Podrá hacer el seguimiento de la solicitud en la misma aplicación.
Entrega del trabajo de fin de máster
El acto de entrega del TFM se extiende como la solicitud de evaluación del TFM que hace el estudiante.
El TFM se podrá entregar dentro de los plazos establecidos por cada titulación (véase el apartado de información específica de la titulación para mayor información), siempre que el estudiante tenga aceptada la solicitud de inscripción y haya pagado las tasas de matrícula y de gestión.
La entrega del TFM consta de dos acciones. En primer lugar, el estudiante tiene que hacer la solicitud de evaluación en la aplicación telemática https://postgrau.uib.es/tfm, donde podrá hacer el seguimiento de todo el proceso. En este punto hay que tener en cuenta que:
- Hay que adjuntar la memoria del TFM en un único documento PDF siguiendo las normas establecidas por cada titulación (el tamaño de este PDF tiene que ser inferior a 100 MB).
- La portada de la memoria tiene que respetar el formato de:
Portada del TFM [es]
Portada del TFM [ca]
Master's Thesis Cover [en] - Si el trabajo contiene ficheros anexos en otros formatos (audio, video, etc.) que no se pueden incorporar al PDF de la memoria, estos también se pueden adjuntar a la solicitud en soporte electrónico.
- El estudiante también tendrá que rellenar la licencia de distribución del TFM para indicar si acepta que el trabajo esté en libre acceso o no en el repositorio institucional para poder consultarlo públicamente.
La segunda acción necesaria para completar la entrega del TFM consiste en entregar la memoria del trabajo en formato PDF (exactamente la misma que se ha entregado en su punto anterior) en la tarea que el responsable del TFM haya designado a tal efecto en la asignatura de TFM de Aula digital de la titulación. Mediante el uso de programas de detección de plagio se revisará el TFM y se generará un informe que estará a disposición de cada uno de los tutores y de los miembros del tribunal que tengan que evaluar el trabajo, y que podrá ser tenido en consideración a la hora de aceptar la entrega del TFM, así como en la evaluación por parte del tribunal.
Defensa del trabajo de fin de máster
La presentación y defensa del TFM es obligatoriamente un acto público en el cual el estudiante hará una exposición oral ante un tribunal formado, como mínimo, por tres miembros: un presidente, un secretario y un vocal. Una vez acabada la exposición, el tribunal abrirá un turno de cuestiones sobre aspectos relacionados con el trabajo.
La defensa pública del TFM se tendrá que llevar a cabo dentro de los plazos que establezca cada titulación (véase el apartado de información específica de la titulación para mayor información). Para poder llevar a cabo la defensa del TFM el estudiante tiene que haber superado todos los otros créditos necesarios para la obtención del título. Sin perjuicio de lo anterior, un estudiante podrá defender el TFM con un máximo de una asignatura no superada si así se establece en las directrices específicas del TFM de la titulación publicadas a su página web (véase el apartado de información específica de la titulación).
La titulación puede designar uno o varios tribunales de TFM. En caso de que la titulación designe un tribunal específico para cada TFM, esta designación se tiene que hacer en el plazo máximo de diez días hábiles a partir de la fecha en qué haya finalizado el depósito del trabajo. Una vez ha sido informado de la designación, el presidente del tribunal (o el responsable del TFM o la dirección de la titulación) convocará a los otros miembros, el tutor o los tutores y al estudiante para la presentación y defensa del trabajo en un máximo de diez días hábiles.
En circunstancias excepcionales en qué el TFM contenga información que pueda tener la consideración de confidencial, el procedimiento para la presentación y defensa pública se podrá modificar siguiendo las indicaciones del artículo 10 del Reglamento para la elaboración y evaluación de los trabajos de fin de máster universitario en la Universitat de les Illes Balears. Para acogerse a las especificaciones de los TFM sometidos a procesos de protección de datos o resultados, en el momento de entregar el trabajo, el estudiante o los tutores tienen que hacer una solicitud razonada dirigida al CEP.
Evaluación del trabajo de fin de máster
Cada titulación establecerá los criterios de evaluación del TFM, que se harán públicos para cada año académico y serán tenidos en cuenta por el tribunal a la hora de calificar el TFM (veáis el apartado de información específica de la titulación para mayor información). Una vez acabada la presentación y defensa del TFM, el tribunal deliberará sobre el grado de desempeño del estudiante y determinará la calificación del trabajo, que se incorporará a su expediente.
Recursos sobre plagio académico, Turnitin e Inteligencia Artificial.
Recursos en la web de la biblioteca de la UIB: Definición, normativa y otros temas realacionados con el plagio y cómo evitarlo.
Integridad académica, plagio y cómo incorporar las ideas de otros a nuestros trabajos: Autora: González Teruel, Aurora - Data: 2019 - (Innovació Educativa Universitat de València) Vídeo en youtube.
Información sobre cómo acceder a los informes de Turnitin: Webminar UIB Turnitin.
Unlocking the Power of Generative AI Models and Systems such as GPT-4 and ChatGPT for Higher Education: documento PDF
Recursos para los tutores del trabajo de fin de máster
Dado que el primer paso para el control del plagio es de las personas que tutelan el TFM, es conveniente que los tutores del trabajo revisen la sección "Recursos sobre plagio académico y Turnitin" de esta página web.
Información específica de los TFM del Máster Universitario. Sistemas Inteligentes
Trabajos de fin de máster defendidos
- A bag-of-words-based hybrid approach for loop closure detection
- Análisis clúster de episodios de lluvia mediante métodos estadísticos y de inteligencia artificial
- Detección de Isquemia e Infección en Ulceras del Pie Diabético: Una Solución con Inteligencia Artificial Explicable Mediante Mapas Autoorganizados
- Generación automatizada de estadísticas de fútbol desde una única cámara de televisión
- Implementation of obstacle avoidance algorithms for underwater multi-robot systems
- Leveraging Artificial Intelligence in Electrocardiogram Interpretation for Enhance Arrhythmia Diagnosis and Management
- Looking for optimal balance in Joint Denoising Demosaicing (JDD) using Deep Learning architectures
- Lung Disease Classification using Deep Learning and ROI-based Chest X-Ray Images
- Mejora de imágenes submarinas con técnicas de deep learning incorporando medidas de la calidad subjetiva de las imágenes
- Performance Analysis of Large Language Models on Summarization, Code Generation, and Conversational AI
- Predictive Modeling of Pavement Rutting Using Machine Learning Techniques
- Radiomic Features in Hepatocellular Carcinoma: Stability with Regard to the Lesion Segmentation
- Study on the effects of face aging in facial expression recognition
- A Comparative Study of YOLOv5 and YOLOv7 Modifications for Keypoint Detection on a Custom Dataset
- An Approach for the Exploration of Unknown Environments: Multi-platform Validation and Integration on a Dog-like Robot
- Aplicación de redes neuronales convolucionales al reconocimiento visual de escenas
- Automatización de una operativa de trading usando aprendizaje automático
- Blockchain-based Traceability of the Use of Oceanography Datasets
- Developing a User-Centric Data Labelling Tool for Sentiment Analysis: A Comparative Study of Explainable AI and Non-Explainable AI
- Disseny i fabricació d'un prototip d'Assistent Domèstic per a l'Envelliment Actiu
- El uso de las CNN en VR/AR/MR/XR: Una Revisión Sistemática
- Evaluando la confianza en las redes convolucionales aplicando LIME
- Exploratory Studies LAIA@UIB: AI models for the detection of fraudulent payments
- Exploratory Studies LAIA@UIB: Pre-trained Natural Language Processing models to respond to domain-specific inputs
- Mejora de la eficiencia en la obtención de datos etiquetados para el deep-learning: aplicacioń a imágenes submarinas
- Modelo híbrido de chiller industrial en Parc Bit
- Online Acoustic Exchange of Compressed Images Between Underwater Robots
- Optimizing Document Processing Pipeline for Parsing Receipts in the Wild
- Sistema de predicción aplicado a celdas 4G para anticipar su saturación y redimensionarlas adecuadamente
- Whole Body Manipulation using Reinforcement Learning
- Análisis de la métrica Expected Goals mediante Inteligencia Artificial Explicable
- A Toolchain for Scheduling Legacy Ethernet-Based Traffic into TSN Networks with Spatial and Time Redundancy
- Deep learning for marine recreational fisheries spatial-temporal planning
- Estudio de alternativas de un sistema de identificación facial mediante el uso de redes neuronales
- Explainable Automatic Recognition on Daily Activities of the Elderly
- Exploring the use of Deep Reinforcement Learning to allocate tasks in Critical Adaptive Distributed Embedded Systems
- Improving visual odometry for challenging underwater environments and AUV Navigation
- Inteligencia Artificial explicable: LIME vs CEM
- Iot per la monitorització de la salut en cas de confinament
- Optimisation and Implementation of Algorithms on Phylogenetic Networks
- Procesado de datos y entrenamiento de la red neuronal de un sistema IoT para predecir las trayectorias de Pygoscelis antarcticus a partir de variables oceanográficas
- Análisis de los conflictos éticos sobre el uso bélico de la robótica
- Aproximació a la implementació de mètodes intel·ligents per analitzar la mobilitat urbana a partir de dades de la SmartWifi de Palma
- Automatic text summarization using a filter-based approach
- Detección de bio-incrustaciones en cascos de barcos mediante redes convolucionales
- Development of a Centralized Network Controller for Networks based on the TIme-Sensitive Networking (TSN) Ethernet Standard
- Evaluación de Políticas de Aprendizaje por refuerzo Aplicado a un Agente Bípedo
- Evaluación de Técnicas para la Búsqueda de Configuraciones en Sistemas Empotrados Distribuidos y Adaptativos
- Improving the consensus models for group decision-making problems based on discrete fuzzy numbers
- MACHINE LEARNING MODELS FOR AUTOMATIC SEGMENTATION OF BRAIN LESION IN MRI IMAGES
- NonoAI: Solving nonograms using a combination of Neural networks and Computer Vision
- Reconocimiento automático de emociones en condiciones reales a partir de imágenes y audio
- Sistema automático de reconocimiento de matrículas de coches
- Towards the detection of the magnetic signature of ships from a submarine vehicle
- Ús de la Intel·ligència Artificial i del Pensament Lean per millorar l'experiència dels estudiants universitaris
- Aplicació del model d’Ising a la dinàmica de xarxes d’interacció d’agents financers
- Aprendiendo a jugar a futbol con algoritmos de aprendizaje por refuerzo
- Entorno de telemedicina para el seguimiento de complicaciones postquirúrgicas en cirugía abdominal para la realización de un estudio clínico
- Exploración y caracterización de diferentes estrategias de IA aplicada a trampas IoT para la detección y el conteo de la mosca del olivo
- Segmenting overlapped objects in images. A study to support the diagnosis of sickle cell disease