Actualidade

A Facultade de Informática da UDC fallará o seu Premio ao mellor TFG aplicado 2024/25 durante a FePEfic

11/04/2025

Noticias

 

Volve a Feira de Prácticas e Emprego da Facultade de Informática da UDC.  Os próximos días 23, 24 e 25 de abril celebrarase a VI Feira de Prácticas e Emprego (FepeFIC), na Facultade de Informática da Universidade da Coruña (UDC), onde as nosas compañeiras da área de emprego da FUAC espéranche para falar sobre emprego. Un punto de encontro para que os estudantes coñezan de primeira man como traballan as entidades do sector TIC que operan na Coruña e nas que poderán realizar prácticas durante os seus estudos e, para que estas descubran as inquietudes do estudantado do centro.


A trintena de empresas adheridas ao programa de prácticas da Facultade de Informática contarán con postos informativos nos que orientan ao alumnado, entre as que se atopan as cátedras institucionais NTT Data, Aldaba-WIB e Sngular (Cátedra CICAS). Ademais, durante o transcurso da Feira, presentaranse os catro traballos finalistas ao X Premio ao Mellor Traballo Fin de Grao Aplicado da FIC, que corresponden aos estudantes Alejandro Buján Pampin, Carmen Lozano López, Pablo Páramo Telle e Carlota Vázquez Arroyo. 

 

Os gañadores do certame, que conta co patrocinio das cátedras institucionais de NTT DATA, Aldaba-WIB e Sngular (Cátedra CICAS) e coa colaboración do CITIC, recibirán o galardón (750 euros para o primeiro premio e  500 euros para os accésits finalistas) o venres 25 de abril, ás 10:30h., durante a FePEfic.

 

Traballos finalistas ao X Premio al Mellor TFG Aplicado da FIC

O TFG de Alejandro Buján Pampin "Abordando o desenvolvemento de Liñas de Produtos de Software dende unha perspectiva de Xestión do Ciclo de Vida das Aplicacións" consiste, segundo a súa solicitude ao presente certame, "realiza unha contribución significativa ao conectar o paradigma Application Lifecycle Management (ALM) coa xestión de SPLs. Propón un marco teórico innovador para automatizar procesos clave, como a xestión da variabilidade e a propagación de cambios, e o acompaña cunha implementación do marco proposto, que estende GitLab, transformandóo nunha ferramenta esencial para xestionar eficazmente o ciclo de vida tanto das SPL como dos produtos individuais.", destacando que "Na industria actual, as SPLs teñen o seu maior impacto en sistemas embebidos, onde a reutilización e a xestión da variabilidade son cruciais para optimizar custos e tempos de desenvolvemento. Empresas líderes como Boeing, Ericsson, HP, Siemens, Philips, Toshiba e mesmo o Exército dos Estados Unidos (U.S. Army) empregan con éxito SPLs para xestionar produtos complexos en sectores altamente regulados"

 

Debido ao seu dobre impacto en academia e industria, a contribución científica puramente desenvolta no marco de este TFG (sen incluir derivados posteriores), foi aceptada, presentada polo autor, e galardoada en congresos internacionais de reputado prestixio co Best Tool Presentation Award por ambas a 18th ACM European Conference on Software Architecture (CORE A) e a 28th ACM International Systems and Software Product Line Conference (CORE B) no ano 2024. Ademáis, o proxecto mostra alto compromiso co software libre, sendo galardoado tamén como Premio ao Mellor Traballo Universitario Libre (TFG/TFM) 2024 polo Consorcio Interuniversitario de Galicia e AMTEGA


O TFG de Carmen Lozano López "Detección automática de fracturas en la columna cervical utilizando aprendizaje profundo en imágenes de tomografía computarizada", segundo a súa solicitude ao presente certame, “presenta un sistema de detección automática de fracturas en las vértebras cervicales C1-C7 basado en inteligencia artificial (IA), diseñado para asistir a especialistas en la interpretación de imágenes de tomografía computarizada (TC). Utilizando redes neuronales convolucionales (CNN), el modelo identifica fracturas con alta precisión, agilizando el diagnóstico y reduciendo la carga de trabajo del personal clínico”, destacando que "Más allá de la optimización del diagnóstico, esta tecnología puede mejorar la calidad de vida de los pacientes, permitiendo un tratamiento más temprano y preciso. Su integración en hospitales y centros médicos representa un avance significativo en la radiología asistida por IA, ofreciendo un sistema más seguro, eficiente y accesible para profesionales de la salud y pacientes.".


O TFG de Pablo Páramo Telle "ComunicELA: Software de Asistencia para la Comunicación en Pacientes con Esclerosis Lateral Amiotrófica" segundo a súa solicitude ao presente certame, "Este Trabajo Fin de Grado Solidario, desarrollado dentro de un proyecto de aprendizaje-servicio (ApS), responde a esta necesidad con ComunicELA, una herramienta accesible, inclusiva y gratuita que devuelve la voz a quienes la han perdido. ComunicELA es un software basado en inteligencia artificial (IA) que permite a los pacientes comunicarse mediante el control ocular y el parpadeo, eliminando las barreras impuestas por la enfermedad y devolviéndoles la capacidad de expresarse con independencia.

 

El sistema ha sido desarrollado en colaboración con la Asociación Galega de Afectados pola Esclerose Lateral Amiotrófica (AGAELA) y la Cátedra NTT DATA en Diversidad y Tecnología, asegurando que el diseño y las funcionalidades respondan a las necesidades reales de los pacientes, destacando que "Este proyecto solidario demuestra que la tecnología puede y debe estar al servicio de la sociedad. ComunicELA no solo devuelve palabras, sino también la dignidad, la independencia y la posibilidad de ser escuchados".

 

O TFG de Carlota Vázquez Arrojo "Análisis basado en aprendizaje profundo de biomarcadores de la retina en la región macular para la detección de trastornos neurodegenerativos mediante imágenes de OCT" segundo a súa solicitude ao presente certame, "Este trabajo propone una solución innovadora y automatizada para la detección temprana de estas 4 enfermedades mediante imágenes OCT, utilizando técnicas avanzadas de inteligencia artificial (IA). Se trata del primer sistema en el estado del arte que analiza biomarcadores retinianos y determina las zonas más afectadas según la patología, proporcionando una herramienta de apoyo clínico de alto impacto", onde destaca que "Los resultados obtenidos confirman el potencial del sistema para optimizar la detección de diferentes enfermedades neurodegenerativas en la práctica clínica real, mejorando la calidad del diagnóstico y permitiendo intervenciones más tempranas. Además, su aplicabilidad no se limita a estas patologías, sino que su metodología podría extenderse a otros ámbitos de la neuro-oftalmología, consolidando su impacto en el diagnóstico médico basado en técnicas avanzadas de IA.".