Search

3 Abstract El presente proyecto introduce un nuevo dataset para reconocimiento de landmarks (puntos turísticos) con 184.732 imágenes en formato JPG divididas en 17 clases. En primer lugar se realiza una introducción al problema de la visión por computador, sus características y contexto. A continuación se desarrollan y justifican las decisiones tomadas con respecto al diseño del proyecto, como ser: hardware y software utilizado, criterios de construcción del dataset y técnicas de validación. En la sección de experimentación y resultados se explican las técnicas utilizadas para crear el modelo, las cuales incluyen la extracción de características a través de transfer learning y la creación de una red neuronal convolucional desde cero. Finalmente se muestran las conclusiones y enseñanzas obtenidas y se plantean los lineamientos futuros a seguir.

El Deep Learning és un conjunt d’einesd'aprenentatgeautomàticque en els últims anys ha revolucionat el món gràcies als bons resultats que ofereix a l’hora de modelitzar dades complexes. Avui en dia el Deep Learningés un camp punter de la ciència i l’augment d’escenaris d’aplicació d’aquest tipus d'aprenentatge és part de la revolució que ha generat aquesta tecnologia.Buscant solucions per al que s’anomenacom aSmartCities,sorgeix la necessitat d'entendre l'entorn que ens envoltabasant-seen els sons propis de la ciutat; en aquest projecte s’ha buscat aquesta comprensió de l'entorn fent ús del Deep Learning(p.ex. xarxes neuronals convolucionals (CNN)ixarxes neuronals recurrents(RNN)). En el projecte s’ha treballatamb dades reals recollides en el marc d'un projecte europeu que té per objectiu la monitorització acústica del soroll de trànsit de laciutat. L'objectiu passa per aconseguir sistemes dereconeixement d'esdeveniments acústics mésrobustos i / o precisos.

El castellano chileno es una variante del castellano de España, que a través del tiempo ha ido adquiriendo sus propias particularidades, rasgos fonéticos, sintácticosy léxicos.La existencia de chilenismos o términos propios del español chileno,hacen que la comunicación entre chilenos y personas de habla hispanaspueda verse dificultadas al hacer uso recurrente de este tipo de palabras en una conversación coloquial.En este trabajo se propone un sistema,que en base a una gran cantidad de texto en chileno y texto en español,obtenido desde diversas fuentes en internet (blogs, periódicos, Facebook, Twitter),pueda ser capaz de ofrecer una traducción de estos regionalismos chilenos al castellano español, a través de un sistema de traducción no supervisado, utilizando redes neuronales.

El objetivo del presente trabajo es estudiar y comparar diferentes herramientas existentes para la selección de los datos relevantes en los estudios de desintegraciones enLHCb (CERN), concretamente la desintegración del Mesón B0en un mesón K*0 y en un fotón γque,asu vez, el mesón K*0se reconstruye a partir de un pion y un kaon, K+π-o K-π+.La desintegración descrita del mesón B0se genera con poca probabilidad, produciéndose otro tipo de desintegraciones más frecuentemente, las cuáles generan un ruido combinatorio que dificulta la separación entre mediciones correctas y mediciones de fondo. Surge por lo tanto la necesidad de encontrar algoritmos que separen correctamente la señal obtenida de lo clasificado como ruido combinatorio.Para ello se estudian las características numéricas producidas en la desintegración, así como las relaciones físicas entre las variables. Con este conocimiento adquirido se generan modelos de inteligencia artificial basados en la tecnología de Boosted Trees, los cuales entrenaremos y probaremos con datos reales y artificiales generados con métodos de Monte Carlo. Finalmente se mide el rendimiento de los modelos con el objetivo de encontrar el algoritmo que optimice los resultados manteniendo una fiabilidad estadística que le permita ser replicable en casos similares. The objective of this thesis is to study and compare the different tools available for Data Selection in decay studies elaborated in the LHCb experiment(CERN), specifically the decay of the Bmeson into a K*0meson and a photon γ, wherethe K*0 meson decaysinto a pion and a kaon, K+π-or K-π+.This specific decay occurs with a low probability. In a proton-proton collision, thousands of particles are produced,andother kind of Bdecays occurmore frequently, thus resulting on a largecombinatorial background in the selection of our decay of interest.It arises the need of finding specific algorithms that can distinguish between the desired signal from the background (noise).In order to do so,we will study the numerical characteristics of the selected Bcandidates and itsdecay products, as well as the physical relationship between the variables. With this knowledge acquired we generate artificial intelligence models based on Boosted trees technology, where we will train and test them with both realdata and datagenerated artificially by Monte Carlo models. Then, we will measure each model ́s performance with the objective of maximizing the results while ensuring thatthose arereliable and canbe appliedin similar cases.

Debido al aumento de la cantidad de apuestas deportivas, predecir los resultados de fútbol ha sido un tema que ha ganado popularidad y se ha convertido en un campo de investigación. Hoy en día, con el aumento de la información disponibleen redes sociales, predecir fenómenos sociales, políticos o deportivos con base en las opiniones de las personas que forman parte activa de estas redes sociales, se ha convertido en un área de investigación importante. El objetivo de este proyecto es construir modelos predictivos utilizando las opiniones de las personas enla red socialTwitter, resultados de partidos anterioresy las posibilidades(odds)de las casas de apuestas para lograr predecir resultados de partidos de fútbol de la PremierLeague. Entre los conocimientos más importantes en este trabajo de investigación, se encuentran los conceptos relacionados con Análisis de Sentimiento, Regresiones Lineales, Regresiones Lineales Generalizadas, Naive Bayes, entre otros. La metodología que se utilizará es una investigación aplicada del tipo investigación y desarrollo, y se espera que su aplicación contribuya a la mejora del conocimiento de la industria de las apuestas y de otras industrias que pudieran aplicar los mismos principios para predecir fenómenos en otros campos.

Els certificats energètics sónun component important en l’estudi i gestió dels habitatges i edificis dels municipis de Catalunya. Degut a la gran quantitat de certificadors que hi ha i al altcostque representa un càlcul d’aquestes característiques, està sota sospita la correcta realització d’aquests documents. L’òrgan responsable de la seva recol·lecció i estudi (Institut Català d’Energia, ICAEN), ens ha proporcionat una base de dades amb més de500.000 certificats pendents de validació i una altra amb 1.000 certificats teòricament validats. Una vegada haguem contrastat que podem utilitzar la base validada per extrapolar resultats als 500.000 certificats, mitjançant tècniques de regressió clàssiques i de machine learning,construirem models que permetran determinar quins certificats són correctes i quins s’haurien de repetir a partir de la predicció de les emissions de CO2. Los certificados energéticos son un componente importante en elestudio y gestión de las viviendas y los edificios de los municipios de Cataluña. Debido a la gran cantidad de certificadores que hay y al alto coste que representa un cálculo de dichas características, estábajo sospecha la adecuada realización de estos documentos. El órgano responsable de su recolección y estudio (Institut Català d’Energia, ICAEN), nos proporciona una base de datos con más de 500.000 certificados pendientes de validación y otra con 1.000 certificados teóricamente validados. Una vez hayamos validado que podemos utilizar a base validada para extrapolar resultados a los 500.000 certificados, mediante técnicas de regresión clásicas y de Machine learning, construiremos modelos que permitirán determinar qué certificados son correctos y qué certificados se deberían repetir a partir de la predicción de las emisiones de CO2. Energy certificates are an important component in the study and management of housing and buildings in the municipalities of Catalonia. Due to the large number of certifiers that exist and at the high cost that represents a calculation of these characteristics, the correct execution of these documents is suspected.Theresponsible institution ofits collection and study (Institut Català d’Energia, ICAEN), has provided us with a database with more than 500.000 certificates pending validation and another with 1,000 certificates theoretically validated. Once we have contrasted that we can use the validated base to extrapolate results to 500.000 certificates, using classical regression techniques and machine learning, we will build models that will allow to determine which certificates are correct and which ones should be repeated from the prediction of the CO2 emissions.