Máster en Métodos Computacionales en Ciencias

Trabajo Fin de Máster

El Máster tiene una orientación práctica: desde el primer día, cada estudiante empezará un proyecto en su área de interés para aplicar en un caso real las herramientas informáticas que se explican en las asignaturas.

El TFM (30 ECTS) es un trabajo dirigido por un tutor, que previamente debe entrevistarse con el estudiante. Empieza a realizarse el primer día del curso y constituye el pivote en torno al cual gira el Máster.

Muchos profesores de diversas áreas ofrecen títulos de TFM que están dispuestos a supervisar. Alternativamente, el estudiante puede buscar un profesor dispuesto a dirigir un trabajo de su interés que no esté incluido en esta lista y proponerlo como TFM. Algunos ejemplos:

Pincha aquí para ver los proyectos - Trabajos Fin de Máster ofertados para el curso 2020-2021 (ordenados por áreas):

Proyecto Nº 2 - Análisis del impacto de las especies acuáticas invasoras de la Península Ibérica. (.pdf)

Proyecto Nº 11 - Automatización en la detección de landmarks en estructuras craneales de mamíferos para el análisis de patrones morfológicos (.pdf)

Proyecto Nº 12 - Análisis de la sensibilidad de distintos procedimientos SDM a la degradación de la información biológica y ambiental accesible (.pdf)

Proyecto Nº 17 - Explorando las relaciones evolutivas en el reino animal mediante caracteres moleculares: filogenias controvertidas y especies crípticas (.pdf)

Proyecto Nº 20 - Inteligencia artificial para la identificación de fauna de suelo por “Deep learning” (.pdf)

Proyecto Nº 21 - Cambios en los ecosistemas paleárticos inducidos por el nitrógeno reactivo ambiental (.pdf)

Proyecto Nº 22 - Optimización de redes neurales convolucionales para la cuantificación retroactiva de los niveles de polen atmosférico (.pdf)

Proyecto Nº 23 - Georreferenciación, automatización y datos sensibles de las colecciones de historia natural (.pdf)

Proyecto Nº 24 - Caracterización fina del efecto de “isla térmica” en una ciudad: el caso de Pamplona (.pdf)

Proyecto Nª 25 - Reconstrucción de series de datos para dinámica de poblaciones  (.pdf)

Proyecto Nº 26 - Distribución biogeográfica de alcaudón real (Lanius meridionalis) en Península íbérica, análisis del flujo génico, endogamia y estructura poblacional  (.pdf)

Proyecto Nº 27 - Efectos del uso del suelo y de las perturbaciones antropogénicas sobre la composición y diversidad funcional de comunidades vegetales  (.pdf)

Proyecto Nº 28 - Conocimientos tradicionales relativos a la biodiversidad (.pdf)

Proyecto Nº 29 - Análisis de patrones morfológicos de germoplasma en plantas características de ecosistemas mediterráneos (.pdf)

Proyecto Nº 30 - Highthrough statistical analysis of molecular mass data of humic acids from different origins obtained by Orbitrap-high resolution mass spectrometry (.pdf)

Proyecto Nº 31 - Análisis de la relación estructura química-actividad biológica de materias orgánicas para agricultura sostenible (.pdf)

* El listado de trabajos se actualiza con asiduidad

Proyecto Nª 7 - Medicina de precisión para la identificación de nuevas dianas terapéuticas mediante la integración de experimentos ómicos. (.pdf)

Proyecto Nª 8 - Medicina personalizada de precisión para el tratamiento del mieloma múltiple empleando técnicas de Deep Learning (aprendizaje profundo). (.pdf)

Proyecto Nº 9 - Uso de inteligencia artificial para estratificar pacientes con hepatocarcinoma e identificar terapias basadas en RNAs largos no codificantes (.pdf)

Proyecto Nº 13 - Diagnóstico de células infectadas mediante análisis de imágenes (.pdf)

Proyecto Nº 14 - Statiscal inference of clonal mutation and the impact of Clonal neoantigen burden in the immune response (.pdf)

Proyecto Nº 15 - Bioinformatic identification and prioritization of neoantigens to develop personalized immunotherapies (.pdf)

Proyecto Nº 16 - Comparison of single-nucleotide variants identified by Illumina and Oxford Nanopore technologies in the context of B-cell-receptor (BCR) profiling (.pdf)

Proyecto Nº 18 - Elucidating transcriptional rewiring via machine learning models (.pdf)

Proyecto Nº 19 - Determinación de la supervivencia neuronal mediante un programa automatizado de análisis de imágenes. (.pdf)

Proyecto Nº 32 - Supervised learning with single-cell RNAseq data (.pdf)

Proyecto Nº 33 - Dimensionality reduction techniques or MS imaging data (.pdf)

Proyecto Nº 42 - Metanalysis of RNA binding proteins implicated in cancer development  (.pdf)

Proyecto Nº 43 - RNA binding proteins to lncRNA knowledge graph (.pdf)

Proyecto Nº 44 - ASIGNADO - Mejora de la biodistribución cerebral de vectores de alta capacidad (.pdf)

Proyecto Nº 45 - ASIGNADO - Elucidating Abiraterone response on patients with Prostate Cancer via Machine Learning methods (.pdf)

Proyecto Nº 46 - Deep learning to elucidate a key mechanism to overcome cellular stress (.pdf)

Proyecto Nº 47 - Systems biology approaches for the treatment of lung cancer patients lacking driver oncogenes  (.pdf)

Sistema automatizado de diagnóstico por análisis de imágenes
 

El proyecto persigue elaborar un kit de diagnóstico de bajo coste con el fin de detectar, mediante análisis de imágenes en una muestra biológica, algunas enfermedades de especial incidencia en países pobres (tuberculosis, malaria, etc.).

Sistema automatizado de diagnóstico por análisis de imágenes

Más información

Medicina personalizada de precisión para el tratamiento del mieloma múltiple empleando técnicas de Deep Learning (aprendizaje profundo)

En este proyecto se propone emplear datos de RNA-Seq, DNA-Seq y datos clínicos para diseñar un nuevo sistema de estratificación de pacientes con mieloma múltiple basado en el empleo de autoencoders.
 

Deep Learning

Más información

Análisis de la sensibilidad de distintos modelos de distribución de especies a la degradación de la información biológica y ambiental disponible

Conocer las limitaciones que los métodos más frecuentemente utilizados en la literatura tienen ante la calidad de la información de entrada, con el fin de decidir cuál es la herramienta más adecuada a utilizar en función de los datos primarios disponibles.

Análisis de la sensibilidad de distintos modelos de distribución de especies a la degradación de la información biológica y ambiental disponible

Más información

Modelización de la cinética de fotodegradación catalítica en medios acuosos
 

El trabajo consistirá en desarrollar modelos cinéticos generales de fotodegradación que tengan en cuenta otras sustancias presentes en el medio acuoso.

 

Modelización de la cinética de fotodegradación catalítica en medios acuosos

Más información

Aviso

La Universidad de Navarra utiliza cookies propias y de terceros para mejorar sus servicios, elaborar información estadística y analizar de forma agregada los hábitos de navegación de los visitantes de su página web. Esta información se comparte con terceros cuya relación se incluye en la Política de cookies. Al clicar en “Aceptar” o si continúa navegando, acepta el uso de estas cookies, pudiendo revocar su decisión cuando lo desee.

Aceptar