Los mejores trabajos de la primera promoción del Máster en Machine Learning de la UPNA

Endika Aguirre Eguizábal, Iñigo Goikoetxea Fanega y Paula Pina Alcántara son los ganadores de los premios a los mejores trabajos finales de la primera promoción del Máster en Machine Learning de la Universidad Pública de Navarra (UPNA), entregados recientemente en la institución. La Cátedra Tracasa de Ciencias de la Computación e Inteligencia Artificial patrocinó los tres premios, sin orden de prelación y dotados con 400 euros cada uno.

La entrega de premios se enmarcó en el evento “Machine Learning TFM Showcase", donde los 20 estudiantes de la primera promoción del citado máster tuvieron la oportunidad de presentar al comienzo sus trabajos en formato breve, con intervenciones de 3 minutos, ante las distintas empresas del sector donde realizaron sus prácticas. Al evento acudieron alrededor de 60 personas, entre representantes de estas empresas e instituciones, profesorado y estudiantes del máster, y profesorado y estudiantes de otros títulos de la UPNA.

En concreto, entre las empresas que acudieron se encontraban Professor Octopus AI Lab, Viscofán, Veridas y Naitec, además de otras entidades como CENER o Volkswagen Navarra. Otras empresas que también han acogido estudiantes en prácticas, aunque no pudieron estar presentes en el acto, han sido Piher Sensors & Controls, VisionQuality, Hiberus, NAIR Center y CYC.

Temáticas de los trabajos ganadores

El trabajo de Endika Aguirre Eguizábal, dirigido por los profesores Guzmán Santafé Rodrigo y Carlos Echegoyen Arruti, llevaba por título“Learning Population Dynamics Embeddings for Geospatial Inference and Health-Related Statistical Studies in Spain. El trabajo desarrolla una forma de representar los municipios españoles mediante “embeddings”, es decir, descripciones numéricas que resumen sus características principales. A partir de información demográfica, territorial y contextual, el objetivo es crear representaciones adaptadas a España que reflejen mejor la realidad de cada población que otros modelos más generales de alcance global. Esta herramienta puede servir como apoyo para estudios estadísticos, análisis territoriales y toma de decisiones en ámbitos como la planificación pública, la salud o la gestión ambiental.

Por otro lado, el trabajo de Iñigo Goikoetxea Fanega se titulaba Structured Information Extraction from Texts in Spanish Using LLMs, en este caso dirigido por los profesores Mikel Sesma Sara y Javier Lasheras Navas. El trabajo aborda la extracción automática de información relevante en textos escritos en español. La solución, basada en modelos de lenguaje, participa en una competición especializada en esta tarea y busca transformar documentos no estructurados en datos organizados de forma automática y fiable. El resultado es una herramienta orientada a facilitar procesos de análisis documental y gestión de información en contextos donde la precisión de los datos es especialmente importante.

Por su parte, Paula Pina Alcántara, bajo la supervisión de Mikel Sesma Sara y Juan Ignacio Forcén Carvalho, desarrolló su trabajo en la empresa Veridas. Con el título “Semi-Supervised Learning with Anonymized Data for Presentation Attack Detection in Identity Documents”, aborda la mejora de la seguridad en procesos de verificación de identidad digital mediante técnicas de aprendizaje automático. Su objetivo general es reforzar la detección de intentos de fraude en documentos de identidad, utilizando datos anonimizados y enfoques semisupervisados para mejorar la robustez del sistema.

Máster en Machine Learning de la UPNA

El Máster en Machine Learning de la UPNA permite al alumnado especializarse en el área de mayor impacto de la Inteligencia Artificial: el machine learning. Proporciona conocimientos para diseñar y programar algoritmos que permiten a las máquinas aprender de los datos, resolver problemas complejos y generar soluciones que mejoren la toma de decisiones en sectores clave, como salud, industria, retail, automoción, logística o marketing, entre otros muchos. Permite, además, colaborar en proyectos de transferencia a la industria dentro del Institute of Smart Cities (ISC) de la UPNA y realizar prácticas en empresas, aplicando los conocimientos adquiridos para resolver problemas reales.