Guia estudiantes mec mat 2021_2022_esp.docx

Guía para nuevos estudiantes
Máster Universitario
Ingeniería Computacional y Matemática
Próximo Inicio: octubre 2021
Junto con:

Índice
1. Presentación
2. Información de matrícula y docencia
Admisión y documentación (URV)
Matrícula para el curso académico 2021/22 (URV)
Calendario de docencia para el curso académico 2021/22 (UOC)
3. Plan de estudios
Asignaturas por tipología
Asignaturas por semestralización
Información de las asignaturas
4. Metodología docente y evaluación
5. Recomendaciones de matrícula
6. Especificaciones de matrícula: TFM
7. Figuras docentes
8. Investigación
9. Enlaces de interés
10.Servicio de atención al estudiante
Junto con:

1. Presentación
El máster universitario online URV-UOC en Ingeniería Computacional y Matemática
URV-UOC es un máster oficial que ofrece formación interdisciplinaria en las áreas de
ingeniería y ciencias aplicadas. El programa incluye temáticas de actualidad como, por
ejemplo: modelado y simulación por computador, métodos numéricos, computación paralela y
distribuida, redes y grafos, optimización heurística, inteligencia artificial, sistemas dinámicos,
Big Data, etc.
El máster de Ingeniería Computacional y Matemática a distancia se ofrece entre la
Universitat Rovira i Virgili (URV), universidad coordinadora y que gestiona el proceso de
matriculación y trámites académicos, y la UOC, universidad en la que se realiza la docencia
virtual.
El objetivo principal de este programa es preparar a los estudiantes para puestos de I+D+i
dentro de la industria, los centros de investigación, las universidades y otros centros de
formación. El máster online ICyM está orientado a estudiantes de postgrado procedentes de
diferentes titulaciones científico-técnicas, como por ejemplo: Matemáticas, Ingeniería
Informática, Ingeniería de Telecomunicaciones, Ingeniería Industrial, Estadística, Física, etc.
El estudiante del máster deberá completar un total de 60 créditos europeos (ECTS), que se
distribuyen de la siguiente manera: 18 créditos en asignaturas obligatorias, 24 créditos en
asignaturas optativas, y 18 créditos en el trabajo final de máster. El máster está diseñado para
ser completado en 1 año (estudiantes a tiempo completo) o 2 años (estudiantes a tiempo
parcial). Los profesores de este máster son investigadores activos en sus respectivas áreas,
lo que favorece el desarrollo de carreras de investigación en ingeniería computacional y
matemática entre los estudiantes del programa.
El idioma vehicular de docencia del máster es el inglés, aunque la comunicación en el aula
puede ser en castellano, catalán o inglés. Asimismo, en las comunicaciones con el equipo
docente y las evaluaciones, los estudiantes pueden utilizar la lengua que prefieran entre las
tres. Por otro lado, para cursar este máster es necesario ser capaz de leer textos
cientifico-técnicos en inglés, ya que algunos materiales docentes (libros, artículos, etc.) están
exclusivamente en este idioma.
Junto con:

2. Información de matrícula y docencia
La matrícula de las asignaturas del máster es anual y se realiza en la URV.
La docencia, que es semestral, se realiza en el campus virtual de la UOC, en dos periodos /
semestres al año, que conforman un curso académico:
➢ De Octubre a Febrero
➢ De Febrero a Julio
a) Admisión y documentación (URV)
http://www.urv.cat/es/estudios/masteres/oferta/ingenieria-computacional/admision/
b) Matrícula para el curso académico 2021/22 (URV)
Calendario de Preinscripción y Matrícula
Estudiantes de nuevo ingreso:
Fase 1.
Preinscripción: 01/02/2021 al 15/04/2021
Matrícula: 12/07/2021 al 20/07/2021 (reserva de plaza) y del 26/07/2021 al 28/07/2021
(sin reserva de plaza)
Fase 2.
Matrícula: 12/07/2021 al 20/07/2021 (reserva de plaza) y del 26/07/2021 al 28/07/2021
(sin reserva de plaza)
Junto con:

Fase 3.
Matrícula: 26/07/2021 al 28/07/2021 y del 08/09/2021 al 30/09/2021
Fase 4.
Matrícula: 08/09/2021 al 30/09/2021
Estudiantes que NO son de nuevo ingreso (no tienen que hacer preinscripción):
Del 12 al 30 de julio y del 8 al 30 de septiembre de 2021.
Pre-inscripción:
http://www.urv.cat/es/estudios/masteres/admision/pas-a-pas-preinscripcio/
Matrícula:
http://www.urv.cat/es/estudios/masteres/admision/matricula/
Trámites Administrativos para los estudiantes del Máster:
http://www.urv.cat/gestio_academica/tramits_administratius/es_tramits_master.html
Junto con:

c) Calendario de docencia para el curso académico 2021/22
Semestre 2021-1
→ Inicio del curso: Octubre de 2021
→ Fin de curso: Febrero de 2022
Semestre 2021-2
→ Inicio del curso: Febrero de 2022
→ Fin de curso: Julio de 2022
3. Plan de estudios
Asignaturas y Trabajo final Nº de créditos
Obligatorias 18
Optativas 24
Trabajo Final de Máster 18
Total 60
Todas las asignaturas son de 6 créditos ECTS, excepto el Trabajo Final de Máster
(TFM) que tiene 18 créditos ECTS.
Junto con:

a) Asignaturas por tipología
Asignaturas obligatorias Asignaturas optativas (a escoger 4)
- Simulación
- Métodos Numéricos en Ingeniería
- Computación de Altas
Prestaciones
- Trabajo Final de Máster
- Inteligencia Artificial
- Sistemas Distribuidos a Gran Escala
- Investigación Operativa
- Reconocimiento de Patrones
- Estructuras de Datos y Algoritmos
- Optimización metaheurística
- Análisis de datos en entornos Big Data
- Análisis Multivariante de Datos
- Teoría de Grafos y sus Aplicaciones
- Códigos Digitales
- Criptografía y Tecnología Blockchain
- Modelado mediante Ecuaciones
Diferenciales
- Elementos Finitos y Diferencias Finitas.
Solución Numérica de EDPs
- Redes Complejas
- Sistemas Dinámicos Caóticos
Junto con:

b) Asignaturas por semestralización
Asignaturas de 1r
semestre Asignaturas de 2o
semestre
- Códigos Digitales (este semestre NO
se ofrece)
- Elementos Finitos y Diferencias Finitas:
Solución Numérica de EDPs
- Estructuras de Datos y Algoritmos
- Investigación Operativa
- Métodos Numéricos en Ingeniería
- Modelización mediante Ecuaciones
Diferenciales
- Optimización Metaheurística
- Simulación
- Teoría de Grafos y sus Aplicaciones
- Análisis de Datos en Entornos de Big
Data
- Análisis Multivariante de Datos
- Computación de Altas Prestaciones
- Criptografía y Tecnología
Blockchain
- Inteligencia Artificial
- Reconocimiento de Patrones
- Sistemas Dinámicos Caóticos
- Sistemas Distribuidos a Gran
Escala
- Redes Complejas
- Trabajo Final de Máster (TFM)
Junto con:

c) Información de las asignaturas
● Simulación
Profesor coordinador: Dr. Javier Panadero
Tipología: Obligatoria
Créditos: 6 ECTS
Semestre: Primero
Descripción: Este curso permite al estudiante conocer los conceptos y adquirir las
habilidades necesarias para modelar y simular sistemas, redes y procesos mediante el uso
de técnicas de Simulación Monte Carlo (MCS) y Simulación de Eventos Discretos (DES).
Para ello, el curso incluye el aprendizaje teórico-práctico de métodos de modelado de
datos asociados a fenómenos aleatorios, generación de números pseudo-aleatorios,
diseño de algoritmos de simulación, diseño de experimentos, verificación y validación,
análisis de resultados, y comparación de diseños alternativos. El curso también incluye el
aprendizaje de software específico para modelado y simulación (e.g. Simio, etc.), así como
su uso en el estudio y resolución de casos prácticos en diferentes ámbitos de
conocimiento.
Requisitos: Capacidad para leer textos científicos en inglés. Conocimientos básicos de
estadística (nivel licenciatura o ingeniería).
Bibliografía: Robinson, S. (2004). Simulation: The Practice of Model Development and Use.
Wiley.
Software previsto: SIMIO Simulation Software
Plan Docente
Junto con:

Enlaces: WSC Archive
Vídeos relacionados con la asignatura:
● Métodos Numéricos en Ingeniería
Profesora coordinadora: Dra. Carme Olivé Farré / Dr. Gerard Fortuny / Dr. Jordi
Villadelprat
Créditos: 6 ECTS
Semestre: Primero
Descripción: Los métodos numéricos juegan un papel importante en la ciencia moderna.
La aproximación de la superficie de un avión y la simulación aerodinámica del
comportamiento del aire a su alrededor, requieren el uso de métodos numéricos. Muchos
gráficos en el mundo de la animación por ordenador son el resultado de la aplicación de
estos métodos en la resolución de un modelo físico. La interpolación permite fijar las
posiciones intermedias entre un estado inicial y uno final de un cuerpo, y el movimiento de
su ropa viene dado como solución numérica de ecuaciones diferenciales. El tratamiento del
Junto con:

error de las soluciones que se generan permite diferenciar el error propio del algoritmo del
error ocasionado por la precisión finita de los ordenadores. Esta asignatura introduce los
métodos numéricos básicos aplicados a la ingeniería y a la ciencia, así como el análisis de
la aproximación que suponen sus soluciones.
Requisitos: Nivel suficiente de inglés para poder leer documentación técnica y científica en
este idioma. Conocimientos de matemáticas y de programación a nivel de ingeniería.
Bibliografía: Apuntes y "Applied Numerical Methods Using MATLAB" Won Y. Yangy (2005).
Software previsto: MATLAB, Octave o Scilab. La UOC proporciona la licencia de MATLAB.
Plan Docente
● Computación Altas Prestaciones
Profesor coordinador: Dr. Josep Jorba
Créditos: 6 ECTS
Semestre: Segundo
Descripción: Esta asignatura permite al estudiante conocer los conceptos y adquirir las
competencias necesarias para diseñar y desarrollar soluciones computacionales basadas
en computación de altas prestaciones, como alternativa a los sistemas tradicionalmente
secuenciales. Se abordan las técnicas de diseño de los procesos y comunicaciones
necesarias para desarrollar aplicaciones que aprovechen los recursos computacionales de
las arquitecturas de computación actuales. Permitiendo la migración desde algoritmos
clásicos hasta nuevos algoritmos optimizados conscientes de la arquitectura que permitan
obtener mejor rendimiento computacional.
Junto con:

Requisitos: Conocimientos básicos de programación (C o Fortran) y de entornos
GNU/Linux a nivel de usuario.
Software previsto: GNU gcc (compilador C/C++/Fortran) y distribuciones GNU/Linux
Ubuntu/CentOS.
Plan Docente
● Análisis de datos en entornos Big Data
Profesor coordinador: Dr. Albert Solé Ribalta
Tipología: Optativa
Créditos: 6 ECTS
Semestre: Primero
Descripción: Esta asignatura constituye una introducción a las tecnologías relacionadas
con los sistemas de Big Data. Iniciaremos esta asignatura analizando la estructura
tecnológica que se encuentra detrás de un proyecto de Big Data, y que incluye aspectos
relevantes, como por ejemplo, el sistema de almacenamiento y cálculo distribuido o la
gestión de los recursos hardware del cluster. Continuaremos viendo los tres principales
modelos de procesamiento distribuido: procesamiento batch, real-time o streaming y
basado en eventos complejos. Veremos las principales funciones y características de los
frameworks más utilizados en la actualidad, prestando especial atención a los dos grandes
estándares de la industria: Apache Hadoop y Apache Spark. Finalizaremos esta asignatura
revisando las principales librerías de análisis de datos, incluyendo temas de aprendizaje
automático (machine learning), análisis de grafos y visualización de datos masivos.
Requisitos: El curso requiere que los estudiantes tengan conocimientos de programación
(preferiblemente en lenguaje Python), así como conocimientos de análisis de datos,
aprendizaje automático (machine learning) y redes de computadores. Además, como la
metodología incluye estudios de casos y la investigación autónoma de información, es
aconsejable que el estudiante esté familiarizado con la búsqueda de fuentes de
Junto con:

información, el análisis de la información cuantitativa y cualitativa, la capacidad de
sintetizar y obtener conclusiones así como de poseer ciertas habilidades de comunicación
escrita. Asimismo también es necesario que los estudiantes tengan la capacidad de leer y
comprender el idioma inglés puesto que una parte de los materiales adicionales y otros
recursos, están en dicho idioma.
Bibliografía: Apuntes, artículos científicos y libros.
Plan Docente
● Análisis Multivariante
Profesor coordinador: Dr. Agusti Solanas
Créditos: 6 ECTS
Semestre: Segundo
Descripción: Este curso está diseñado para proporcionar al estudiante un enfoque
integrado, en profundidad pero aplicado, en el análisis multivariante de datos. El curso
pretende proporcionar al estudiante un conjunto de herramientas para la investigación que
le permitan analizar y comprender mejor los datos provenientes de experimentos donde se
analizan sistemas, redes o procesos y explicar satisfactoriamente en artículos científicos
los resultados obtenidos. Los temas correspondientes incluyen, entre otros, los siguientes:
Regresión múltiple, ANOVA, ANCOVA, Análisis discriminante, Regresión Logística, Análisis
de componentes principales, Análisis factorial, Análisis de conglomerados, Redes
neuronales, Análisis de datos masivos.
programación.
Bibliografía: Apuntes, artículos científicos y libros.
Junto con:

Plan Docente
GRUPO DE INVESTIGACIÓN RELACIONADO:
Nombre: Smart Technologies Research (antic Smart Health)
Web: smarttechresearch.com/
Descripción: El grupo de investigación en Tecnologías Smart se centra en la aplicación de
las TIC a la creación de entornos contextuales y su aplicación. Las principales áreas de
aplicación y estudio son: las smart cities, la salud inteligente, la smart transportation, la
seguridad informática, la lucha contra el cibercrimen y la protección de la privacidad.
● Códigos Digitales
Profesor coordinador: Dra. Maria Bras-Amorós
Créditos: 6 ECTS
Semestre: Primero
Descripción: Los códigos de control de errores se utilizan para poder detectar y corregir los
errores que se pueden producir en la transmisión de información a través de canales
defectuosos que distorsionen la información que se manda. Por ejemplo, los errores que
produce la atmósfera al transmitir las fotos del satélite Meteosat hasta la Tierra, o los
errores debidos a las distintas interferencias producidas en una comunicación por teléfono
móvil, o los posibles errores en la lectura de un CD o DVD. El funcionamiento de estos
códigos consiste en el envío, junto con la información original, de un poco de redundancia
de modo que a partir de todo lo que se recibe podamos deducir lo que realmente se ha
transmitido. El ejemplo más simple sería añadir por cada bit que se transmite, dos copias
iguales del mismo. Así si el bit original o alguna de sus copias se recibe mal, podemos
corregirlo a partir de los otros dos. Observemos que al añadir redundancia, de un lado
ganamos en la mejora de la calidad de la información recibida, pero por otro lado
perdemos en el aumento del coste del envío. En el ejemplo de repetir bits, el coste se
Junto con:

multiplica por tres. La Teoría de Códigos trata el diseño e implementación de códigos con
buena capacidad de corregir errores, pero que supongan un coste bajo de envío de la
información codificada, así como de sus algoritmos correctores que nos permitan recuperar
la información original.
Requisitos: Conocimientos básicos de matemáticas (nivel licenciatura o ingeniería).
Bibliografía: Apuntes, libros y artículos científicos.
Plan Docente
● Sistemas Distribuidos a Gran Escala
Profesor coordinador: Dr. Joan Manuel Marquès
Créditos: 6 ECTS
Semestre: Segundo
Descripción: Esta asignatura pretende que el alumno conozca los retos que se presentan
durante el diseño, construcción y análisis de sistemas, servicios y aplicaciones de
computación distribuida. Más concretamente, se verán las problemáticas que introduce la
computación y el almacenaje distribuido masivo, haciendo especial énfasis en modelos de
computación distribuida de gran escala como cloud y computación voluntaria. Este tipo de
Junto con:

sistemas están formados por un número elevado de ordenadores con una fiabilidad y
disponibilidad menor que las soluciones dedicadas, cosa que complica la capa encargada
de gestionar la infraestructura, que se caracteriza por la elevada heterogeneidad y
dinamismo. Finalmente, en el curso se estudiará cómo los sistemas reales abordan estas
problemáticas.
programación en Java.
Bibliografía: Artículos científicos sobre sistemas informáticos distribuidos (se incluye abajo
una lista de artículos de referencia).
Plan Docente
● Criptografía y Tecnología Blockchain
Profesor coordinador: Dr. Oriol Farràs
Créditos: 6 ECTS
Semestre: Segundo
Descripción: Esta asignatura pretende dar una visión global de la criptografía moderna
para poder comprender su uso actual. En la primera mitad del curso, se presentan las
principales primitivas criptográficas, mostrando las nociones de seguridad asociadas, los
ataques más relevantes, y los esquemas estandarizados que se utilizan actualmente. La
segunda mitad está dedicada al uso actual de la criptografía y la tecnología blockchain. Se
presentan protocolos criptográficos avanzados para la computación segura, se analiza el
uso de la criptografía en Apps actuales, se estudian los fundamentos criptográficos de la
tecnología blockchain y las criptomonedas, y se presentan los principales resultados de la
criptografía postquantum.
Junto con:

Requisitos: Conocimientos básicos de matemáticas (nivel licenciatura o ingeniería).
Capacidad para leer textos científicos en inglés.
Bibliografía prevista: Apuntes, libros y artículos científicos.
Plan Docente
Junto con:

● Estructuras de Datos y Algoritmos
Profesor coordinador: Dr. Marc Maceira
Créditos: 6 ECTS
Semestre: Primero
Descripción: Esta asignatura presenta los conceptos sobre estructuras de datos y
algorítmica necesarios para realizar actividades de investigación. En particular, la
asignatura revisa conceptos fundamentales de complejidad algorítmica (coste espacial y
temporal, cálculo del coste de un algoritmo, órdenes de magnitud usuales) así como
conceptos básicos de estructuras de datos (tipos abstractos de datos, gestión de
apuntadores y memoria, etc). A partir de esta base, el curso profundiza en estructuras de
datos frecuentas (pilas, colas, listas, árboles, heaps, tablas de hash) y presenta una
introducción a algoritmos sobre grafos (recorridos, caminos mínimos, árboles generadores,
etc).
programación (preferentemente con el lenguaje Java).
Bibliografía: Sedgewick, R.; Wayne, K. (2011): Algorithms. Addison-Wesley Professional.
Software previsto: Java.
Plan Docente
Junto con:

● Teoría de Grafos y sus Aplicaciones
Profesor coordinador: Dr. Juan Alberto Rodríguez Velázquez
Créditos: 6 ECTS
Semestre: Primero
Descripción: Se estudian propiedades relacionadas con la estructura y manipulación de las
redes tanto desde el punto de vista local como global. En particular, se estudian
fundamentos de la teoría de grafos incluyendo los siguientes temas: operaciones con
grafos, distancia, conectividad, planaridad y coloración, así como algunos fundamentos de
la teoría espectral de grafos. También se estudian algunos temas de actualidad como son
las medidas de centralidad en grafos y medidas de centralización, incluyendo los índices
topológicos, la medida de bipartividad de una red y medidas de fiabilidad en redes con
pesos. Los contenidos estudiados tienen aplicación en el análisis de redes complejas que
incluyen redes sociales, foodwebs, redes de interacción de proteínas, entre otros. Los
estudiantes matriculados obtendrán una amplia introducción a los trabajos recientes en
este ámbito.
matemáticas (nivel licenciatura o ingeniería).
Bibliografía: Gross, J.L. and Yellen, J. (2006): Graph theory and its applications, 2d ed.
Chapman & Hall/CRC.
Otros materiales: Shirinivas, S.G.; Vetrivel, S.; Elango, N.M. (2010). "Applications of Graph
Theory in Computer Science: An Overview". International Journal of Engineering Science
and Technology, Vol. 2(9), 4610-4621.
Plan Docente
Junto con:

● Inteligencia Artificial
Profesor coordinador: Dr. Carles Ventura
Créditos: 6 ECTS
Semestre: Segundo
Descripción: Este curso pone a disposición del estudiante un conjunto de técnicas
avanzadas de Inteligencia Artificial destinadas a solucionar problemas de aparición
frecuente en la ingeniería computacional. Así pues, el curso tiene una doble vertiente: por
un lado se presenta la teoría que permite modelar el aprendizaje computacional, es decir,
conseguir que las máquinas aprendan y tomen decisiones a partir de ejemplos que las
personas han proporcionado. Por otra parte, el curso tiene un enfoque muy práctico, donde
se pretende aplicar la teoría para dar soluciones a problemas de clasificación de datos
textuales y visuales, ranking de contenidos, y problemas derivados de la percepción.
inteligencia artificial y estadística. Es altamente recomendable haber cursado previamente
una asignatura de aprendizaje computacional (machine learning), minería de datos (data
mining), o equivalente. Se presuponen conocimientos básicos de programación con
Python.
Bibliografía: Módulos UOC. Raúl Benítez, Gerard Escudero, Samir Kanaan, David Masip
Rodó. "Inteligencia Artificial Avanzada". Editorial UOC. ISBN 978-84-9029-887-9.
Software previsto: Python
Otros materiales: UOC-IA Vídeos (ESP), UOC-IA Vídeos (CAT)
Plan Docente
Junto con:

● Investigación Operativa
Profesor coordinador: Dr. Angel A. Juan
Créditos: 6 ECTS
Semestre: Primero
Descripción: La Investigación Operativa (IO) es una disciplina basada en la formulación de
modelos matemático-computacionales y en el desarrollo de algoritmos para la resolución
de problemas vinculados a la toma eficiente de decisiones en cualquier ámbito y sector
(empresarial, industrial, social, sanitario, servicios, etc.). Este curso proporciona los
conceptos IO necesarios para modelar y resolver problemas reales mediante el uso de
técnicas tales como la programación lineal, la programación entera, el desarrollo de
heurísticas, etc. En particular, el curso trabajará aplicaciones prácticas de los conceptos y
técnicas IO a la resolución de problemas relacionados con los ámbitos de logística y
transporte, optimización de sistemas y redes, y programación (scheduling) de procesos.
Bibliografía: Albright, C.; Winston, W. (2012): Management Science Modeling.
South-Western. ISBN-10: 1111532451 (similar book to the following one from the same
authors: Practical Management Science).
Software previsto: MS Excel / Open Office Calc Solvers, LINDO / LINGO Software.
Junto con:

Plan Docente
Enlace: INFORMS
Videos relacionados con la asignatura:
Junto con:

● Modelización de Ecuaciones Diferenciales
Profesores coordinadores: Dra. Dolors Puigjaner / Dr. Jordi Villadelprat
Créditos: 6 ECTS
Semestre: Primero
Descripción: En esta asignatura se pretende introducir al alumno en el uso de las
ecuaciones diferenciales para la modelización matemática de problemas que tienen su
origen en diversas áreas como la ingeniería, la física o la biología. Partiendo de un nivel
elemental e introductorio se trabajará con ejemplos prácticos provenientes de ámbitos
como la mecánica, la dinámica de fluidos, la transferencia de calor, la evolución de
epidemias o el crecimiento de poblaciones. El curso se centrará en tres aspectos: la
formulación matemática del modelo empírico, la resolución matemática mediante métodos
analíticos o numéricos de la ecuación diferencial resultante y el análisis e interpretación de
los resultados obtenidos.
Material: Libro de referencia: B. Barnes, G. R. Fulford, "Mathematical modelling with case
studies: a differential equations approach using Maple and MATLAB" editorial CRC Press,
2009.
Software previsto: MATLAB y/o GNU Octave
Plan Docente
Junto con:

● Optimización Metaheurística
Profesor coordinador: Dr. Angel A. Juan
Créditos: 6 ECTS
Semestre: Primero
Descripción: La asignatura trata aquellos problemas en el dominio discreto con un número
finito o infinito contable de soluciones. En este tipo de problemas el objetivo es encontrar
una (o varias) soluciones de coste lo más cercano posible al óptimo (si no es posible
encontrar el óptimo). Algunos ejemplos típicos son los problemas de routing, scheduling,
placement, etc. Debida a la explosión combinatoria de posibles soluciones, la búsqueda
exhaustiva se hace difícilmente aplicable, especialmente cuando se trata de instancias
medianas y grandes del problema. Es por esto que se aplican técnicas incompletas o bien
se simplifica el modelo del problema a resolver.
La asignatura trata algunas de las técnicas más utilizadas actualmente: los algoritmos
genéticos y evolutivos, la búsqueda tabú, los GRASP, las colonias de hormigas, etc. Estas
técnicas se pueden utilizar individualmente o combinarse con el objeto de obtener mejores
resultados. Finalmente, se explorará también el concepto de Simheuristics (combinación
de metaheurísticas con simulación para resolver problemas de optimización combinatoria
con componentes estocásticos).
matemáticas y programación (nivel licenciatura o ingeniería).
Plan Docente
Junto con:

Bibliografía:
Talbi, E. (2009): Metaheuristics: From Design to Implementation. Wiley.
Luke, S. (2013): Essentials of Metaheuristics. Lulu.
Juan, A.; Faulin, J.; Grasman, S.; Rabe, M.; Figueira, G. (2015): A review of simheuristics.
Extending metaheuristics to deal with stochastic combinatorial optimization problems.
Operations Research Perspectives, 2, 62-72.
Software previsto: compilador Java o C/C++.
Enlace: INFORMS
Otros materiales: Artículos científicos y código Java proporcionados durante el curso.
Vídeo relacionado con la asignatura:
Junto con:

● Reconocimiento de Patrones
Profesor coordinador: Dr. Carles Ventura
Créditos: 6 ECTS
Semestre: Segundo
Descripción: La asignatura introducirá
al estudiante en las técnicas que
permiten extraer información de un
conjunto de datos. En particular el
curso se centra en el reconocimiento
de patrones dentro del contexto de la
visión por computador.
Las imágenes son una de las
principales fuentes de información
utilizadas por el cerebro humano a
nivel perceptivo para tomar
decisiones. Como consecuencia, el
reconocimiento de patrones dentro
del contexto de la visión por computador tiene un gran interés, especialmente hoy en día
que tenemos a nuestra disposición una enorme cantidad de datos visuales que no es
posible analizar a mano. Las aplicaciones a nivel práctico del reconocimiento de patrones
en el contexto de la visión artificial son muchas. Por ejemplo la seguridad, la medicina, la
inspección automática, o la navegación automática. En particular los contenidos que se
trabajarán en este curso son los siguientes:
- Conocer cómo se forman las imágenes.
- Conocer las principales técnicas de procesado de la imagen digital.
Junto con:

- Entender cómo se percibe el color y conocer los espacios de representación del
color.
- Conocer las principales técnicas de reducción de la dimensionalidad (selección y
extracción de características), tanto supervisadas como no supervisadas, y
saberlas aplicar a problemas reales.
- Conocer las principales técnicas de aprendizaje automático para la clasificación
automática de datos y saberlas aplicar a problemas reales.
matemáticas y estadística.
Bibliografía prevista: D.A. Forsyth, J. Ponce, 2012. "Computer Vision: A Modern Approach",
2/E, Pearson Education.
Software previsto: ImageJ
Plan Docente
Otros materiales: Para los ejercicios prácticos se hará uso de material complementario:
Image Processing Learning Resources (HIPR2), Image Recognition Laboratory,
Web-enabled image processing operators (Canny, Gabor), efg's Color Reference Library --
Color Science / Color Theory, The Color Space Conversions Applet, etc.
Junto con:

● Redes Complejas
Profesor coordinador: Dr. Sergio Gómez
Créditos: 6 ECTS
Semestre: Segundo
Descripción: Este curso cubre el estudio de los conceptos y algoritmos básicos para el
análisis de redes complejas, de modelos que resumen sus propiedades más relevantes y
de las dinámicas que tienen lugar en ellas. En primer lugar se muestra la presencia de
redes complejas en todo tipo de ámbitos (biología, tecnología, ecología, ciencias sociales,
economía, lingüística, etc.) y se analizan sus propiedades recurrentes más importantes,
como las distribuciones de grado libres de escala, la transitividad, la propiedad de mundo
pequeño y la asortatividad. Prestaremos especial atención al estudio de la estructura
mesoscópica de las redes complejas, revisando los principales algoritmos para la
obtención de su estructura en comunidades. Veremos también los principales modelos de
redes complejas aleatorias, que permiten entender la aparición de sus peculiares
propiedades estructurales. Finalmente, entraremos a describir algunas de las dinámicas
sobre redes complejas, como la sincronización y la propagación de epidemias.
matemáticas (nivel licenciatura o ingeniería), especialmente los relacionados con grafos.
Saber programar en algún lenguaje de programación (e.g.: Matlab, Octave, R, C/C++,
Java, Python, Visual Basic, etc).
Bibliografía: Apuntes, artículos científicos y libro "Networks" de Mark Newman
Software previsto: La Universidad proporciona una licencia de MATLAB. Se usará además
software de acceso libre para la visualización y análisis de redes, tales como NetworkX,
Gephi, igraph, Pajek, Radatools, LightGraphs, etc.
Plan Docente
Junto con:

● Elementos Finitos y Diferencias Finitas. Solución Numèrica EDPs
Profesor coordinador: Dr. Carlos García Gómez
Créditos: 6 ECTS
Semestre: Primero
Descripción: Los problemas que se plantean a la ingeniería en la actualidad tienen una
cierta complejidad que obliga a su resolución de manera numérica. Para ello se han
desarrollado técnicas numéricas que permiten la solución numérica de los diferentes tipos
de ecuaciones diferenciales parciales que gobiernan la mayoría de procesos de interés.
Este curso propone una introducción práctica a este conjunto de métodos. En particular,
nos concentraremos en los métodos más clásicos, los basados en diferencias finitas lo que
nos servirá para entender su limitación y la necesidad de introducir métodos numéricos
más flexibles. Estos métodos modernos se conocen genéricamente como el método de los
elementos finitos y son de amplísima aplicación hoy en día en todos los campos de la
ingeniería.
Requisitos: Capacidad para leer textos en inglés. Conocimientos básicos de matemáticas a
nivel de licenciatura o ingeniería. Conceptos elementales de programación.
Bibliografía: Libros
Finite Element Methods. A Practical Guide - Whiteley, J. - (Springer, 2017)
The Finite Element Method in Engineering - Rao, S.S. - (Elsevier, 2011)
The Finite Element Method. Theory and Implementation - Larson, M.G., Bengzon, F. -
(Springer, 2013)
Software previsto: Matlab, qtOctave
Plan Docente
Enlaces: http://es.wikipedia.org/wiki/Método_de_los_elementos_finitos
Junto con:

● Sistemas Dinámicos Caóticos
Profesor coordinador: Dr. Antonio Garijo Real
Créditos: 6 ECTS
Semestre: Segundo
Descripción: En esta asignatura introduciremos los
conceptos básicos del sistema dinámico generado por la
iteración de una función. El estudio de estos sistemas
dinámicos nos introducirán en el mundo de los conjuntos
fractales, conjuntos autosimilares, conjuntos caóticos,
conjuntos de Cantor y conjuntos de Julia y Fatou. Dos
ejemplos fundamentales en el estudio de los sistemas
dinámicos caóticos serán la aplicación logística y la familia
cuadrática compleja. En la asignatura se combinará la
Junto con:

resolución de ejercicios teóricos con la realización de prácticas.
Bibliografía prevista: "An introduction to chaotic dynamical systems", Robert Devaney. Ed.
Westview Press. 2003.
Software previsto: La Universidad proporciona una licencia de MATLAB.
Plan Docente
● Trabajo Final de Máster
Profesores coordinadores: Dr. Javier Panadero / Dra. Dolors Puigjaner
Créditos: 18 ECTS
Semestre: Primero y Segundo (asignatura anual)
Descripción: El trabajo final de máster (TFM) es un ejercicio individual y de carácter
profesional que sintetiza los conocimientos y competencias adquiridos a lo largo de todo el
máster. Este trabajo se realiza bajo la supervisión de un profesor, que actúa como director
del trabajo. Existen diferentes áreas temáticas de TFM. Después de matricular el TFM, el
estudiante tendrá que seleccionar un área de TFM.
Más información en el apartado 6 de esta guía (Especificaciones del Trabajo Final de
Máster).
Junto con:

4. Metodología docente y evaluación
En cada asignatura tendrás un profesor que te irá guiando en tu proceso de aprendizaje y que
resolverá tus dudas. En las aulas virtuales habrá distintos espacios de comunicación donde
se irán proponiendo tareas que te permitirán mantener un buen ritmo de trabajo durante el
curso y compartir el conocimiento con los compañeros del programa.
La Universidad proporciona los recursos de aprendizaje necesarios para la realización de
las actividades de cada asignatura (materiales didácticos, fuentes de información y/o
herramientas de soporte), los cuales se encuentran en el aula virtual de cada asignatura.
Algunas de las asignaturas se superan a través de evaluación continuada (EC), que es
siempre virtual, mientras que en otras es necesario realizar también una prueba final, que
puede ser presencial o virtual.
El modelo de evaluación continuada (EC) consiste en un conjunto de actividades como
prácticas, debates, presentaciones virtuales, resolución de cuestionarios o elaboraciones de
trabajos y proyectos, entre otras.
5. Recomendaciones de matrícula
Recomendación general
La dedicación del estudiante está determinada por los créditos asignados a esta asignatura y
por la equivalencia de 25 horas de dedicación del estudiante por cada crédito. Calcula
cuántas horas a la semana de dedicación real tienes. El número total de créditos que
matricules, no debería ser superior al tiempo de que dispones.
Junto con:

Recomendaciones de las asignaturas
Puedes consultar los conocimientos previos necesarios de cada asignatura en el plan docente
y en el apartado Información de las asignaturas de esta guía.
Debes tener en cuenta que muchas de las asignaturas requieren conocimientos previos de
matemáticas y programación. Toda la información de las asignaturas está en el apartado
anterior.
6. Especificaciones del Trabajo Final de Máster (TFM)
Profesores coordinadores: Dr. Javier Panadero / Dra. Dolors Puigjaner
Semestre: Primero y Segundo (asignatura anual)
Créditos: 18 ECTS
Los estudios de máster concluyen con la elaboración de un Trabajo final de Máster (TFM). La
asignatura tiene 18 ECTS, es decir, comporta una dedicación por parte del estudiante de 450
horas.
El trabajo final de máster (TFM) es un ejercicio individual y de carácter profesional que
sintetiza los conocimientos y competencias adquiridos a lo largo de todo el máster.
Este trabajo se realiza bajo la supervisión de un profesor, que actúa como director del trabajo.
Existen diferentes áreas temáticas de TFM. Tras haber matriculado el TFM, el estudiante tiene
que seleccionar una y contactar con el profesor que le dirigirá el trabajo, para lo cual recibirá
las oportunas instrucciones.
El resultado final del trabajo final, que el estudiante deberá entregar en el apartado de
Junto con:

evaluación del aula virtual, consta de tres elementos:
■ Una memoria, que documenta el trabajo realizado.
■ Un producto, que puede no ser necesario y que variará según el tipo de trabajo
(aplicación, diseño, estudio, ...).
■ Una presentación que resume los resultados obtenidos y el desarrollo del trabajo.
La defensa del trabajo se hará de manera síncrona, de forma virtual, a través de
una herramienta de videoconferencia. En la defensa, el estudiante será evaluado
por un tribunal formado por tres miembros, el presidente y dos vocales. La franja
horaria en que se llevará a cabo la defensa se notificará más adelante a través del
tutor del trabajo. Más información en Trámites - Trabajos finales del campus virtual.
Requisitos
■ De matrícula: Para poder matricularse el TFM es necesario que se tengan
superados previamente, o bien matriculados en el mismo curso que el TFM los 42
créditos correspondientes a las otras asignaturas del máster.
■ De conocimientos: Los conocimientos previos concretos necesarios dependerán del
área temática del trabajo final escogido.
Selección y asignación del área temática de TFM
Esta selección se ha de hacer entre las líneas de TFM Coordinadas por UOC o por la URV
expuestas más abajo. Para seleccionar el área el estudiante debe contactar por email con la
persona de contacto de cada área, quién le informará y ayudará a encontrar el Profesor del
Máster interesado en dirigir el TFM. Para la asignación definitiva del área y del director, el
estudiante debe completar y enviar un formulario (se os informará).
Áreas de TFM coordinadas por UOC:
● Computación de altas prestaciones (M0.520): Esta propuesta brinda a los
estudiantes la posibilidad de realizar su TFM de máster en el área de estudio,
aplicación y análisis de soluciones de cómputo de altas prestaciones (HPC) para
Junto con:

problemas científicos. Más específicamente, se estudia cómo diseñar, implementar
y analizar diferentes modelos de altas prestaciones en hardware, software y
middleware para el desempeño de aplicaciones paralelas / multinúcleo en
diferentes campos de investigación científica.
Se ofrecen además dos áreas concretas adicionales, dentro de esta área:
○ Title 1: Data Management: study and cost analysis of triplestores (RDF
stores).
○ Title 2: Performance and power consumption at Cloud Computing
Datacenters
Más información: Dr. Josep Jorba (jjorbae@uoc.edu).
·
● Inteligencia Artificial (M0.521): La Inteligencia Artificial, como se ve en la
asignatura de Inteligencia Artificial realizada en el máster, incluye diferentes
técnicas para resolver problemas de tipología variada, como podrían ser algoritmos
genéticos, redes neuronales, sistemas difusos o técnicas de aprendizaje automático
(SVM, agrupamiento, etc.). A continuación, se dan algunos ejemplos específicos
como orientación general. Previo acuerdo entre el estudiante y el profesor, también
se pueden abordar otros temas más cercanos a los intereses de los estudiantes.
Más información: Dr. Carles Ventura (cventuraroy@uoc.edu).
○ Implementación de sistemas jerárquicos difusos: Crear un sistema que
interprete un conjunto de reglas difusas, y definir las reglas difusas
requeridas para una aplicación específica.
○ Aplicación de algoritmos genéticos para problemas de optimización: Dado
un problema que puede formularse como un problema de optimización,
resolver el problema encontrando los parámetros óptimos utilizando
algoritmos genéticos. Se pueden aplicar otras técnicas, como el recocido
simulado o las colonias de hormigas.
○ Algoritmos de clasificación: Por ejemplo: (1) trabajando con los diferentes
algoritmos de clasificación introducidos en la asignatura avanzada de
Inteligencia Artificial; (2) comparando diferentes algoritmos de clasificación
(diferentes algoritmos de clasificación obtienen diferentes grupos -clusters-
Junto con:

con los mismos datos de entrada).
○ Minería de datos para preservar la privacidad: Por ejemplo: (1) conocer los
algoritmos de protección de datos; (2) analizar cómo los algoritmos de
protección afectan a los resultados de un análisis.
○ Visión por computador y reconocimiento de patrones estadísticos: esta
propuesta permite a los estudiantes la posibilidad de completar su TFM en
el diseño e implementación de tecnologías de visión por computador
aplicadas al reconocimiento de objetos, comprensión de escenas, expresión
facial, gestos y análisis no verbal.
● Simulación y optimización de sistemas (M0.522): esta propuesta brinda a los
estudiantes la posibilidad de completar su TFM en el desarrollo de nuevos
algoritmos de optimización y simulación (por ejemplo, simheuristics). Este tipo de
algoritmos de optimización implementan soluciones prácticas para diferentes
problemas de optimización combinatoria, los cuales pueden ser aplicados en la
industria de servicios y fabricación (por ejemplo, logística, transporte, sistemas de
salud, etc.). Estas soluciones se implementarán utilizando Java o Python. Más
información: Dr. Javier Panadero ( jpanaderom@uoc.edu ).
● Sistemas distribuidos y aplicaciones (M0.524): esta propuesta ofrece a los
estudiantes la posibilidad de completar su TFM en diferentes temas relacionados
con Edge computing y sistemas comunitarios distribuidos. Más información: Dr.
Joan Manuel Marquès (jmarquesp@uoc.edu).
Áreas de TFM coordinadas por URV (M0.525):
Nota: a la hora de elegir el TFM en la URV, el estudiante puede optar por una de las
siguientes alternativas: (a) seleccionar directamente algunos de los temas propuestos para
el curso 2021/22, o (b) seleccionar alguna de las áreas que se listan a continuación. En
ambos casos, el estudiante debe contactar cuanto antes con el profesor responsable del
tema o área seleccionada a fin de consensuar la propuesta.
Junto con:

● Title: Simulation of springs
Abstract: Mechanics of springs and the relationship among the parameters that
define them (solid material and geometry) are well known. The goal of this project is
to simulate deformations of springs as solid objects under the effects of forces and
check the results against the known laws for springs of specific geometries. Other
non standard geometries might be checked afterwards. Simulations are to be
conducted using free packages Code-Aster, mFront and Salomé-Meca in a linux
environment.
Key Words: solid mechanics, spring, code-aster
Advisors: Dr. Josep M. López i Dr. Gerard Fortuny (josep.m.lopez@urv.cat ,
gerard.fortuny@urv.cat)
● Title: Comportamiento mecánico de células cancerígenas vs. células sanas
Abstract: El cáncer puede desarrollarse en cualquier parte del cuerpo. Se origina
cuando las células crecen sin control y sobrepasan en número a las células
normales. Esto hace que al cuerpo le resulte difícil funcionar de la manera que
debería hacerlo. Las células normales se dividen de manera ordenada y mueren
cuando se han desgastado o resultan dañadas de forma que nuevas células toman
su lugar. En el cáncer, las células se reproducen sin control y se desplazan a las
células normales. Esto causa problemas en el área del cuerpo en la que comenzó
el cáncer (tumor canceroso). En la práctica clínica, se ha observado que en realidad
las células cancerosas tienen un comportamiento mecánico distinto al de las células
no cancerosas. El objetivo de este trabajo consistirá en reproducir el
comportamiento mecánico de una célula cancerosa aislada, así como analizar
cómo afecta el comportamiento de varias de estas células en un conjunto celular
mayor. El trabajo se desarrollará mediante software de elementos finitos de código
abierto (Code Aster, Salome Meca) y se utilizará un modelo de celular desarrollado
por el grupo de investigación.
Keywords: FEM, simulación numérica, cáncer, code-aster
Advisors: Dr. Gerard Fortuny i Dr. Josep M. López (gerard.fortuny@urv.cat ,
josep.m.lopez@urv.cat)
● Title: Estudio de la sutura en cirugía mayor
Abstract: Las cirugías del abdomen suelen tener un tiempo de recuperación largo y
exigir la permanencia en terapia intensiva o la permanencia de varios días en el
Junto con:

hospital. La práctica de estas cirugías conlleva además un riesgo de
complicaciones que no es menor. Una de las complicaciones usuales es el
comportamiento mecánico de la sutura realizada. En la práctica existe un real
desconocimiento de qué técnica se debe usar en el momento de la sutura y en
numerosas ocasiones, la elección de la técnica depende de la experiencia del
cirujano. El objeto de este trabajo es estudiar el efecto del tejido cutáneo sometido
a tensión así como analizar cómo afecta la variación de las propiedades de este
tejido frente a diversas suturas practicadas. El trabajo se desarrollará mediante
software de elementos finitos de código abierto (Code Aster, Salome Meca) y se
utilizará un modelo de sutura cutánea desarrollado por el grupo de investigación. En
el trabajo se deberán realizar las correspondientes simulaciones y comparar los
resultados con las simulaciones ya realizadas en el grupo, así como con otras
simulaciones que se encuentren en la literatura.
Keywords: simulación numérica, suturación, code-aster
Advisors: Dr. Gerard Fortuny i Dra. Dolors Puigjaner (gerard.fortuny@urv.cat,
dolors.puigjaner@urv.cat)
● Title: Intelligent Systems for the Analysis of the Functional Ability and Intrinsic
Capacity in Older Adults
Abstract: The growing interest in healthy ageing has fostered the definition and use
of proper measures to assess decline in older adults. The World Health
Organisation has defined the concepts of intrinsic capacity IC and functional ability
FA to address this issue. Automatically measuring all features involved in the
analysis of IC and FA is complex and deriving actionable knowledge from the
collected data is a daunting task.
Topics of interest under this research line
- Development of contextual-environments
- Ambient Assisted Living
- Sensors and contextual and behavioural factors modelling
Keywords: Multivariate Analysis, Artificial Intelligence, Big Data, Graph Theory,
Logic, Clustering
Advisor: Dr. Agustí Solanas (agusti.solanas@urv.cat)
● Title: Cognitive Cities and Cognitive Environments
Abstract: Cognitive cities (CC) are an evolution of smart cities equipped with artificial
intelligence techniques that allow the creation of artificial agents able to learn from
Junto con:

the environment and adapt accordingly in order to achieve a set of goals and obtain
knowledge. Other definitions of CC exist but, in essence, the main point is the
application of artificial learning strategies to context-aware environments to reach
some goals (including knowledge). Topics of interest under this research line:
- Security and Privacy in CC
- Multi-Agent Systems for the practical implementation of CCs
- Learning Models
- Resilience and adaptability
- Interaction between artificial agents and humans
Logic
● Title: Cognitive Healthcare
Abstract: Cognitive healthcare is the provision of healthcare services by exploiting
the capabilities of cognitive cites and, more generally, cognitive environments. The
ultimate goal of Cognitive Healthcare systems is to derive healthcare-related
knowledge from multiple context and sources holistically by using learning strategies
inspired by connectivistic principles. Topics of interest under this research line:
- Conceptual and practical developments
- Healthcare data analysis
- Modelling and learning strategies
- Applications
Logic
● Title: Phishing and Cybercrime
Abstract: In recent times, cybercrime has become a prevalent threat for countries,
companies, and the society as whole. Although the substantial progress made by
anti-phishing defence strategies in mitigating phishing attacks, they have focused
their efforts from a very technical perspective (i.e., filtering suspicious emails,
blocking websites, etc). Moreover, training and awareness campaigns have been
considered from a very generic perspective without observing the psychological
profile of each individual. In this line we are interested in analysing the human factor
in phishing (from its multiple facets). Also, we can pay attention to other kinds of
Junto con:

cybercrime (e.g., CSAE) and to the techniques that could help model and prevent
harming behaviours on the internet, as well as detecting potential offenders. Topics
of interest under this research line:
- Behavioural phishing patterns modelling
- Psychological and social correlation in phishing victimisation
- Grooming detection and Child Sexual Abuse and Exploitation Prevention
- Threat intelligence, clearing houses and early prevention of cyberattacks
Logic, Clus-
tering, Anomaly Detection
● Title: The Chen-Chvátal conjecture and related problems
Abstract: In a metric space M=(X,d) a line induced by two distinct points x,x′∈X is
defined by L{x,x′}={z∈X:d(x,x′)=d(x,z)+d(z,x′) or d(x,x′)=|d(x,z)−d(z,x′)|}. A line
L{x,x′} is universal whenever L{x,x′}=X. The following conjecture was stated by
Chen and Chvátal [Discrete Appl. Math. 156 (2008), 2101-2108.] for the case of
finite metric spaces, where ℓ(M) denotes the number of distinct lines in M.
Conjecture (The Chen-Chvátal conjecture). Every finite metric space M=(X,d) with at
least two points either has a universal line or ℓ(M)≥|X|. The Chen-Chvátal conjecture
is an attempt to generalize the de Bruijn-Erdős theorem of Euclidean geometry
which asserts that every non-collinear set of n points in the plane determines at
least n distinct lines. The Chen-Chvátal conjecture remains open and, as time goes
by, the interest of the mathematicians to solve it is increasing. The goals of this work
are the following:
- Understand the Chen-Chvátal conjecture, and its related problems, both in
the general context of metric spaces and in the particular context of graph
theory.
- Prepare a State of the Art on the Chen-Chvátal conjecture and its related
problems.
- Contribute to the solution of the conjecture and/or to the solution of some of
its related problems.
Requirements: The master's thesis will be written in English, using latex, and
previous knowledge of graph theory is required.
Keywords: Chen-Chvátal conjecture, universal lines, metric spaces.
Advisor: Dr. Juan Alberto Rodríguez Velázquez, juanalberto.rodriguez@urv.cat
Junto con:

● Title: Secure Italian domination in product graphs.
Abstract: For a vertex v of a simple graph G, let f (v) be the number of entities
stationed at v. Depending on the problem we deal with, an entity could consist of a
robot, an observer, a guard, a legion, and so on. An entity at v can deal with a
problem at any vertex in its closed neighbourhood. There are several strategies, that
is, properties of such functions, under which the entire graph may be deemed
protected. Among the most studied properties, the following stand out: domination,
total domination, Roman domination, weak Roman domination, secure domination
and secure Italian domination. The corresponding parameters that give the
minimum number of entities required to protect the graph under the various
strategies have been extensively studied. The main goal of this project is to provide
theoretical results on the secure Italian domination number of strong product
graphs.
Keywords: Secure Italian domination; product graphs
● Title: Protection of strong product graphs
Abstract: For a vertex v of a simple graph G, let f (v) be the number of entities
stationed at v. Depending on the problem we deal with, an entity could consist of a
robot, an observer, a guard, a legion, and so on. An entity at v can deal with a
problem at any vertex in its closed neighbourhood. There are several strategies, that
is, properties of such functions, under which the entire graph may be deemed
protected. Among the most studied properties, the following stand out: domination,
total domination, Roman domination, weak Roman domination, and secure
domination. The corresponding parameters that give the minimum number of
entities required to protect the graph under the various strategies have been
extensively studied. The main goal of this project is to provide theoretical results on
the weak Roman domination number and the secure domination number of strong
product graphs.
Keywords: Strong product graphs; weak Roman domination number; secure
domination number.
Junto con:

● Title: Differentials in graphs
Abstract: Given a graph G=(V,E), the open neighbourhood of a vertex x∈V is
defined to be N(x)={y∈V: xy∈E}. The open neighbourhood of a set X⊆V is defined
by N(X)=⋃_{x∈X}N(x), while the external neighbourhood of X, or boundary of X, is
defined as Ne(X)=N(X)∖X. The differential of a subset X⊆V is defined as
∂(X)=|Ne(X)|−|X| and the differential of a graph G is defined as
∂(G)=max{∂(X):X⊆V}. These concepts were introduced by Hedetniemi about
twenty-five years ago in an unpublished paper, and the development of the topic
was subsequently continued by several authors. Currently, the study of differentials
in graphs and their variants is of great interest because it has been observed that
the study of different types of domination can be approached through a variant of
the differential which is related to them. Specifically, we are referring to domination
parameters that are necessarily defined using functions, such as Roman
domination, perfect Roman domination, Italian domination and unique response
Roman domination. In each case, the main result linking the domination parameter
to the corresponding differential is a Gallai-type theorem, which allows us to study
these domination parameters without the use of functions. For instance, the
differential is related to the Roman domination number, the perfect differential is
related to the perfect Roman domination number, the strong differential is related to
the Italian domination number and the 2-packing differential is related to the unique
response Roman domination number. The main goal of this project is to provide
theoretical results on some specific differential in the context of product graphs.
Keywords: Differentials in graphs; product graphs
● Title: Reliability of bimodal transportation networks
Abstract: Networks are ubiquitous in today's society, and assessing their reliability is
a problem of great concern. One of the methods to assess a network's reliability is
the so-called reliability polynomial, which expresses the probability that the network
remains functional after some of the links are disconnected. The reliability
polynomial combines concepts from graph theory, algebra, and probability. Its
computation is hard (more precisely, complete for the class #P), but many methods
have been devised to speed it up. In a previous thesis (Jiménez-Fesco, 2019), an
algorithm was implemented in MATLAB for the computation of the reliability
polynomial of an undirected network. The algorithm was applied to the computation
Junto con:

of the reliability polynomial of some metro networks. In this work we assumed that
all the links had the same failure probability. A later work dealt with a slight
generalization of the reliability polynomial, namely, when there were two types of
links, with different failure probabilities, resulting in a bivariate reliability polynomial
(Eguía-León, 2020). We now want to apply this bivariate reliability polynomial to the
analysis of some transportation networks. More precisely, we think that the bivariate
model is suitable for the analysis of road and rail networks, where there are two
types of links, such as highways, with low probability of failure, and secondary
roads, with a higher probability of failure. We want to implement an algorithm for the
exact calculation of the bivariate reliability polynomial, and apply it to the analysis of
some road and railroad networks. An important part of the work will be to collect
data from real transportation networks, such as road and train networks, and store
the data in a format that is suitable for its analysis and visualization. There exist
several computer systems that focus on the analysis and visualization of network
data, for instance, Gephi, Pajek and R.
References:
1. Jiménez-Fresco, Iago: Computation of a network's reliability polynomial. Master's
thesis, Universitat Rovira i Virgili, 2019.
2. Eguía-León, 2020: A simulation-interpolation approach for approximating the
univariate and bivariate reliability polynomial. Master's thesis, Universitat Rovira i
Virgili, 2020.
Keywords: network reliability, transportation networks, applications of graphs
Advisor: Dr. Hebert Pérez Rosés (hebert.perez@urv.cat)
● Title: Nonlinear Graph Edit Distance
Abstract: Graphs are abstract data structures used to model real problems with two
basic entities: nodes and edges. Each node or vertex represents a relevant point of
interest of a problem, and each edge represents the relationship between these
points. Nodes and edges could be attributed to increase the accuracy of the model,
which means that these attributes could vary from feature vectors to description
labels. Due to this versatility, many applications have been found in fields such as
computer vision, bio-medics, network analysis, and so on. During more than 30
years, researchers have been focused on how to represent objects through graphs
and how to compute the distance between them. The definition of an adequate
model for measure the dissimilarity between these representations is a key issue in
pattern recognition, which is usually called Error-Tolerant Graph Matching. One of
the most popular approaches in order to find a solution to this problem is the Graph
Junto con:

Edit Distance, which estimates the distance between a pair of graphs computing the
sum of costs of different edit operations that transform one graph into another. The
distance is represented by a linear equation that depends on the number of edit
operations and the cost of these operations. The aim of this master thesis is to
convert the graph edit distance to a nonlinear equation. We assume that the
non-linearity will make the distance to increase the ability to adapt to the problem at
hand, thus, having more capacity to proper represent the object or more precisely,
the distance between them.
References:
F. Serratosa, Redefining the Graph Edit Distance, S. N. Computer Science, 2:438,
2021. https://doi.org/10.1007/s42979-021-00792-5
F. Serratosa, Fast Computation of Bipartite Graph Matching, Pattern Recognition
Letters 45, pp: 244 – 250, 2014. http://dx.doi.org/10.1016/j.patrec.2014.04.015
Keywords: graph edit distance, graph matching, nonlinear equation
Advisor: Dr. Francesc Serratosa (SSAI: Sensorial Systems Applied to the Industry)
francesc.serratosa@urv.cat
http://deim.urv.cat/~francesc.serratosa/
● Title: Computation of Non Radial Forces and Torques of Spirals and Bars in
Disk Galaxies Using Finite Elements
Abstract: The disk of spiral galaxies are far from homogeneus. They show
spectacular structures in the form of spiral arms or central bars. These structures
can be seen as perturbations of the radial density distribution of mass. The stronger
these perturbations are, the stronger will be the perturbations on the radial forces
that drive the radial orbits of the disks. We propose the computation of the
non-radial forces due to these estructures in real galaxies, using the technique of
Finite Elements, which can be used to solve Poisson Equation to obtain accurately
the potential generated by the disk mass distribution.
Keywords: finite elements, disk galaxy
Advisor: Dr. Carlos Garcia Gómez (carlos.garciag@urv.cat)
● Title: Hardware Acceleration of Gaussian Elimination for Binary Matrices
Abstract: While quantum computers are rapidly becoming more powerful, the
current cryptographic infrastructure is imminently threatened. In a preventive
manner, the U.S. National Institute of Standards and Technology (NIST) has initiated
a process to evaluate quantum-resistant cryptosystems, to form the first
Junto con:

post-quantum (PQ) cryptographic standard. Classic McEliece, a code-based
cryptosystem, is one of the most prominent ones in NIST’s PQ cryptography
contest. However, its computational cost poses notable challenges to a big fraction
of existing computing devices. One of the most expensive operations of the key
generation algorithm is Gaussian elimination. This project is dedicated to the
hardware acceleration of Gaussian elimination for binary matrices in order to speed
up the execution of key generation algorithm.
Keywords: Classic McEliece, Gaussian Elimination, Post-quantum Cryptography
Advisor: Dr. Oriol Farràs (oriol.farras@urv.cat)
● Title: An Automated Reward Mechanism for Git
Abstract: Git is a software that is used to coordinate work among different
connected users working on the same project. The refund for contributions made to
the common project are hard to manage. Recent advances on blockchain
technology and consensus mechanisms create new opportunities for services using
distributed ledgers. In cases in which a git project involves the agreement and
collaboration of many parties, we could model it as a ledger. In this project we will
explore the possibility of using blockchain to implement a consensus mechanism
with rewards over git projects. It will include automated tests that will check
contributions of parties. If a contribution is valuable and is considered to be useful
for the project, it will be included to the blockchain, and the contributor will receive a
reward that is proportional to the value of the contribution.
Keywords: Blockchain, Git, Consensus Mechanism
Advisor: Dr. Oriol Farràs (oriol.farras@urv.cat)
● Title: Improving hologram generation/communication through software
systems
This is a project in collaboration with the Barcelona Mobile World Capital Foundation
(https://mobileworldcapital.com/en/)
Abstract: A hologram is made by superimposing a second wavefront on the
wavefront of interest, thereby generating an interference pattern which is recorded
on a physical medium. Holograms can be computer-generated by modelling the two
wavefronts and adding them together digitally. The resulting digital image is then
printed or projected onto a suitable film or mask and illuminated by a suitable source
to reconstruct the wavefront of interest. In the last few years holograms are routinely
generated (at a 4K level of quality) but it is necessary to improve the latency to
facilitate the communication person/hologram and hologram/hologram.
Junto con:

Keywords: Holography, Real time systems, Inteligent Networks
Advisor: Dr. Manel Sanromà (manuel.sanroma@urv.cat)
● Title: Developing Interactive Museums Trough Stereoscopic Holograms
Abstract: A hologram is made by superimposing a second wavefront on the
wavefront of interest, thereby generating an interference pattern which is recorded
on a physical medium. Holograms can be computer-generated by modelling the two
wavefronts and adding them together digitally. The resulting digital image is then
printed onto a suitable mask or film and illuminated by a suitable source to
reconstruct the wavefront of interest. This technology can improve Museums by
opening up new forms of real time interaction with the public, and new information
systems must be developed for that purpose.
Keywords: Holography, Real time systems, Inteligent Networks
● Title: Towards the Metaverse: interaction of Digital Twins
Abstract: A digital twin is a virtual representation that serves as the real-time digital
counterpart of a physical object or process. There is a growing interest in all types of
industries to enable these systems to interact so to be able to replicate the real
world in a virtual environment where real time realistic experimentation is possible,
before implementing it in the real world. New information systems must be
developed to build this new virtual world, already known as the Metaverse
(https://youtu.be/EXhRIKHduC0)
Keywords: Digital Twins, Real Time Systems, Industry 4.0
● Title: Real Time Management of Urban Furniture
Abstract: Modern cities face many challenges and one of them is the intelligent
management of Public Space. Urban Furniture (i.e. Benches, Streetlights,
Junto con:

Fountains, Litter Bins, Waste Receptacles, Public Sculptures…) along with Parks,
Streets and Public Areas in general constitute the Urban Landscape where life
unfolds in the City. The intelligent management of all these assets needs the
development of new hardware and software.
Keywords: 5G, Smart Cities, Real Time Systems
● Title: Remote Monitoring of Patients
Abstract: Existing systems of patient remote monitoring need to be improved, both
in hardware and software, if precission monitoring is to attend a high level of both
care efficiency and simplicity so that real high usage levels are achieved.
Keywords: Telemedicine, Remote monitoring, Sensors
● Title: Pattern Identification in Industrial Environments
Abstract: Mass identification of industrial material through pattern recognition and
high speed Bar/QR code lecture, has become a routine practice in high efficiency
industrial environments. Combining these techniques with Edge Computing can
improve even further the efficiency of multiple industrial processes and is already
producing interesting first applications.
Keywords: Pattern Recognition, Edge Computing, Industry 4.0
● Title: Culturomics with Big Data Libraries
Abstract: Culturomics is a form of computational lexicology that studies human
behavior through the quantitative analysis of digitized texts. We aim at applying it to
Big Data Libraries, like Google Books (tens of millions of scanned books), Google
Scholar (hundreds of millions of digitized academic papers) and others, in order to
be able to answer questions related to historical and cultural facts.
Keywords: Big Data, Computational lexicology, Digital Libraries
Junto con:

● Title: Transparent migration of Applications to the Cloud
Abstract: The fundamental goal is to simplify and optimize the development and
Deployment of Cloud/Edge applications. On the one hand, it is necessary to devise
next generation programming abstractions and environments that try to
transparently cope with code and data distribution, communication, fault-tolerance,
and security. When possible we will target transparent interception technologies like
software virtualization enabling automated transition of legacy applications. On the
other hand, it is necessary to transparently optimize the deployment and execution
of serverless Cloud/Edge Applications. Our middleware must optimize according to
different criteria like cost engineering, energy efficiency, latency, and even
user-driven privacy parameters or preferences. Finally, AI techniques may be
employed here to provide a cognitive layer or intelligent control plane for
applications. Potential collaboration with IBM researchers.
Tools: Python, Python multiprocessing, Lithops, redis, IBM Cloud
Advisor: Pedro Garcia Lopez (pedro.garcia@urv.cat)
References:
https://github.com/lithops-cloud/lithops
https://cloudbutton.eu
https://martinfowler.com/articles/serverless.html
https://dl.acm.org/doi/10.1145/2831347.2831354
● Title: Mobile acoustic pollution detection
Abstract: The goal of this project is to develop a Mobile app that captures sound
from Mobile microphone, and analyzes it using Machine learning to determine
sound decibels and noise source (traffic, train, people, music). The group has an
initial prototype but the sound meter detector and training model must be
considerably improved. The project will also generate noise maps aggregating data
from múltiple user devices. The project must develop a Cloud-edge architecture
ensuring the scalability of the solution for many users.
Tools: Kotlin, Java, Android
References:
Junto con:

● Tite: Serverless Data Driven Analytics Middleware
Abstract: The goal of this task is to devise novel data-driven serverless systems and
middleware that can cope with the increasing volume, speed, variety, complexity,
and diversity of data across edge/cloud architectures. We must avoid task-centric
approaches, and focus on automated data-driven systems that automatically
allocate serverless resources depending on the data volume and locating them
intelligently in the correct locations of the data path or IO stack. This project will aim
to provide computation close to the data and locality to data-driven applications. We
will study a variety of data management techniques including data preprocessing,
partitioning, transformation, and their serverless placement close to Cloud Object
Storage or in other extremes of the data path. We may leverage geospatial or
genòmic Big Data pipelines from the cloudbutton project.
Potential collaboration with IBM researchers.
Tools: Python, Lithops, Big data pipelines (Geospatial, genomic), Dask
References:
● Title: Edge-centric Computing Middleware
Abstract: The goal is to develop an Edge centric middleware for the development of
Web and Mobile Applications. The idea is to leverage the resources in the Edge
(Mobile phones, tablets, PCs, laptops) to minimize the use of resources in the Cloud
(and therefore its cost). The idea is to explore pure transparency for Web or Mobile
Applications, like for exemple Wordpress sites. We will also explore a minimal
Backend as a Service System for deploying Cloud-Edge Applications. We will use
Cloud services like Cloud Object Storage, VMs, and Serverless Functions.
References:
Junto con:

§
Propuestas TFM "ad hoc":
Aquellos estudiantes que así lo deseen, pueden también proponer un tema de TFM
(directamente conectados a los contenidos del máster) y un director de TFM externo.
Igualmente, debemos encontrar un profesor del Máster interesado en codirigirlo
involucrado con el director externo. En este caso, los estudiantes solicitan redactar un
documento de una página máxima con una descripción del tema, la justificación del interés
en realizar y las asignaturas del máster, que ha cursado o está cursando, relacionado con
el tema y los datos del director externo. El proceso para encontrar al profesor del Máster es
el general expuesto más arriba, debiendo enviar el correo con la propuesta de codirección
con el documento antes mencionado.
A continuación, se muestran algunos enlaces a TFMs del máster elaborados por antiguos
estudiantes.
Ejemplos de TFM de temáticas relacionadas en el repositorio online de la UOC:
■ An open-source development environment for Self- driving vehicles.
■
■ Análisis de datos clínicos en una Unidad de Cuidados Intensivos.
■
■ Aprendizaje supervisado en conjuntos de datos no balanceados con redes
neuronales artificiales..
■ ....
■ Impact evaluation of clustering-based k-anonymity for recommendations
■
■ Jerarquías emergentes en redes complejas
■
■ Metaheuristic algorithms for solving the multi-depot arc routing problem
■
Junto con:

■ Simulación de sistemas flexibles: el caso del aerogenerador
■
■ Simulation of the mechanical behaviour of a historical church
■
■ Solució d'alt rendiment per a química computacional
■
■ Tecnologías que mejoran la privacidad en los sistemas de recomendación
■
■ The center-focus and ciclicity problems: an implementation of the Lyapunov method
and the interpolation technique.
7. Figuras docentes
Dirección del máster
Es responsable de la titulación. Coordina a los profesores de las asignaturas y garantiza la
calidad de los contenidos del máster.
La dirección del máster recae en dos coordinadores, uno por cada una de las
universidades participantes:
Dra. Dolors Puigjaner
Dep. Ingeniería Informática y Matemáticas (URV)
dolors.puigjaner@urv.cat - ttp://deim.urv.es/~dolors.puigjaner/
Dr. Javier Panadero
Estudios Informática, Multimedia y Telecomunicación (UOC)
Junto con:

jpanaderom@uoc.edu - https://www.researchgate.net/profile/Javier_Panadero
Tutor/a
Es la persona referente del estudiante para cualquier consulta o duda que tenga sobre tus
estudios. Es la persona que te orientará, guiará y asesorará en el transcurso de todo el
máster. Puedes contactar con él/ella en cualquier momento a través del aula de tutoría del
campus virtual o por correo electrónico.
Profesorado
El profesorado coordina e integra académicamente los contenidos de cada asignatura así
como el proceso de aprendizaje del estudiante. Además, orienta al estudiante en el
proceso de aprendizaje y en el progreso académico. Es el guía y referente académico, que
garantiza una formación personalizada y la evaluación continua y final de la asignatura.
Puedes acceder al detalle de todo el profesorado en:
https://estudios.uoc.edu/es/masters-universitarios/ingenieria-computacional-matematica/profe
sorado
Junto con:

8. Investigación
Grupos de investigación UOC asociados al máster:
■ Distributed, Parallel, and Collaborative Systems (DPCS): El grupo DPCS se
centra en el desarrollo y optimización de sistemas y algoritmos distribuidos y
paralelos a diferentes escalas (grupos pequeños, clusters, o Internet). En
particular, se presta especial atención a sistemas descentralizados compuestos
por recursos no dedicados. El grupo también hace investigación sobre el diseño
de sistemas de colaboración online y sus aplicaciones.
■ Internet Computing & Systems Optimization (ICSO): ICSO-HAROSA es un
programa oficial del Internet Interdisciplinary Institute de la UOC
(http://in3.uoc.edu/). El programa ICSO-HAROSA puede considerarse como la
proyección internacional de los dos grupos de investigación IN3 que lo
coordinan: DPCS y GRES-UOC. ICSO-HAROSA se centra en el desarrollo de
algoritmos híbridos y de software para la resolución de problemas de
optimización en los campos de la logística, el transporte, la producción, y los
sistemas de Internet. Dentro del programa ICSO-HAROSA participan
investigadores de diferentes universidades españolas así como de diferentes
países, entre ellos: UK, USA, France, Portugal, Germany, Austria, Chile,
Argentina, Colombia, etc.
■ Scene Understanding and Artificial Intelligence Lab (SUnAI): El grupo
SUnAI hace investigación en Visión por Computador. Dentro de este tópico nos
Junto con:

centeramos en interpretar imágenes a alto nivel. En particular, nuestras líneas
principales de investigación son el reconocimiento y análisis de expresión facial,
el análisis de gestos y lenguage no verbal (usando 2D y 3D), el reconocimiento
de objetos y la interpretación de los espacios o escenas.
■ Software Engineering Research Group (GRES-UOC): GRES-UOC investiga
el modelado y la construcción de software en sistemas y problemas complejos.
En particular, considera el uso de métodos formales, representación del
conocimiento y programación con restricciones y sus aplicaciones a diferentes
contextos, entre ellos el contexto educativo.
Grupos de investigación URV asociados al máster:
■ CRISES (Criptografía y Secreto Estadístico): El grupo de investigación CRISES -
Cátedra UNESCO de Privacidad de datos tiene por objetivo la creación y la difusión
de tecnologías para conciliar privacidad, seguridad y funcionalidad en los servicios
de la sociedad de la información. El grupo es dirigido por el Prof. . Josep
Domingo-Ferrer y cuenta actualmente con 26 miembros, 13 de los cuales doctores.
Ha sido financiado como grupo consolidado por la Generalitat de Cataluña desde
2002 sin interrupción. Entre otros proyectos de investigación, el grupo participa en
el equipo CONSOLIDER "ARES" (coordinado por el Prof. Domingo-Ferrer), en los
proyectos europeos del 7º Programa Marco "Inter-Trust" y "Data Without
Boundaries", y en diversos proyectos financiados por los gobiernos catalán y
español. El grupo tiene varias patentes, buena parte de las cuales en explotación, y
ha dado nacimiento a la empresa spin-off "STAITEC" . El director del grupo ha
recibido diversos reconocimientos, entre los que destaca la medalla Narcís
Monturiol de la Generalitat de Cataluña al mérito científico y tecnológico.
■ BIOCENIT (Bioinformatics and Environmental Engineering & Chemistry):
BIOCENIT es un grupo de investigación que se centra en el estudio, caracterización
y modelado de sistemas complejos. La actividad del grupo se estructura en tres
líneas principales de investigación: (i) Modelado computacional e ingeniería
Junto con:

ambiental, (ii) Investigación Operativa y Bioestadística, y (iii) Ciencia de Ciudades.
El grupo ha participado y participa en diversos proyectos de investigación tanto a
nivel internacional (NSF, EU FP6 y FP7) como nacional, y es miembro activo de
varias redes y organizaciones de ámbito transnacional (NanoSafety Cluster,
InnaTox, City Protocol Society).
■ COPRICA1 (Códigos, Privacidad y Combinatoria Algebraica): Este grupo de
investigación centra la atención en las aplicaciones de la matemática discreta en la
teoría de códigos, la privacidad, la criptografía, etc.. Asimismo, también trabaja en
temas más teóricos como la geometría algebraica, la geometría finita o la
combinatoria algebraica y enumerativa.
■ BANZAI (Grupo de Investigación en Inteligencia Artificial): El grupo de
investigación en Inteligencia Artificial centra sus actividades en el estudio y
desarrollo de sistemas inteligentes para la medicina. Utiliza técnicas como la
minería de datos, el aprendizaje automático, la ingeniería y la representación del
conocimiento para resolver varios problemas médicos como son el modelado de
procedimientos asistenciales, la integración de tratamientos para pacientes con
diversas enfermedades, el estudio de la adherencia y los costes, o el análisis de
datos de sistemas de información asistenciales. Anualmente, el grupo organiza el
workshop internacional Knowledge Representation for Health Care (KR4HC) y edita
la colección de libros con el mismo nombre con la editorial Springer, serie Lecture
Notes in Artificial Intelligence.
■ ITAKA (Tecnologías Inteligentes para la Gestión Avanzada del Conocimiento):
Este grupo fue fundado en enero de 2007 por el Dr. Antonio Moreno y la Dra. Aida
Valls, siguiendo los pasos marcados por el exitoso Grupo de Sistemas Multi-Agente
(GruSMA) del año 2000 al 2006. Sus líneas de investigación principales son
Sistemas Distribuidos y Agregación de Datos. Los resultados de ambas líneas se
están aplicando principalmente en Medicina, Turismo y Medio-ambiente.
■ DCDYNSYS (Sistemas Dinámicos Discretos y Continuos): Este grupo de
investigación trabaja en diferentes ramas del que se conoce genéricamente como
sistemas dinámicos, tanto en su versión discreta como en la continua. En los
Junto con:

trabajos que lleva a cabo se consideran aspectos de carácter teórico y también
aplicaciones de los sistemas dinámicos en diversas áreas del conocimiento
(medicina, biología, química, etc).
■ MATDISC (Matemática Discreta): Este grupo se dedica de manera especial a
estudiar estructuras matemáticas discretas, haciendo énfasis en los problemas
relacionados con la teoría de los grafos e hipergrafía.
■ ALEPHSYS (Algorithms Embedded in Physical Systems): El grupo de
investigación Alephsys se dedica al análisis de sistemas complejos, con especial
énfasis en las llamadas redes complejas. Las redes complejas se encuentran por
todas partes: en biología hay redes ecológicas y bioquímicas, en economía hay
redes de transacciones comerciales, en tecnología tenemos Internet, la telefonía y
las redes de transporte, en sociología están las redes sociales y de colaboración,
entre muchos otros ejemplos. Actualmente los medios informáticos y tecnológicos
están permitiendo la acumulación continua de datos de todo tipo (el llamado Big
Data), pero extraer información no es fácil. Las técnicas de análisis de redes
complejas permiten justamente eso, analizar su estructura, identificar los
componentes claves, y comprender las relaciones entre estructura y dinámicas.
Entre las dinámicas más interesantes están la propagación de epidemias, la
robustez de la red ante fallos, o la aparición de fenómenos emergentes, todos ellos
objeto de estudio principal dentro de Alephsys.
■ RIVI (Robótica y Visión Inteligentes): Este grupo de investigación está constituido
por profesores del Departamento de Ingeniería Informática y Matemáticas y el
Departamento de Ingeniería Eléctrica, Electrónica y Automática. El grupo RIVI se
dedica al desarrollo de soluciones innovadoras en diversas áreas de la robótica y la
visión artificial a través de la aplicación de técnicas avanzadas de computación.
Entre sus líneas de especialización están: análisis y procesamiento de imágenes,
reconocimiento de patrones, modelado 3D, robótica móvil, exploración multi-robot,
etc.
■ CloudLab: Este grupo combina un equipo multidisciplinario centrado en el estudio
de los sistemas distribuidos y los servicios telemáticos. La investigación del grupo
Junto con:

se centra en la creación de nuevos servicios distribuidos e infraestructuras
middleware para el almacenamiento, la compartición y la distribución de
información en diferentes entornos de trabajo (entornos de trabajo colaborativo,
educativos, médicos, etc.). En particular, el grupo tiene importantes contribuciones
en sistemas distribuidos de gran escala (Cloud, P2P) y en middleware adaptativo y
autonómico. Una de las principales líneas de investigación se centra en el
desarrollo de sistemas adaptativos y seguros de almacenamiento en red.
■ Smart Technologies Research: El grupo de investigación en Tecnologías Smart
se centra en la aplicación de las TIC la creación de entornos contextuales y a su
aplicación. Las principales áreas de aplicación y estudio son: las smart cities, la
salud inteligente, la smart transportation, la seguridad informática, la lucha contra el
cibercrimen y la protección de la privacidad.
PhD Grants
Both URV and UOC offer PhD Grants for students who have finished their MSc degrees
and want to complete a Doctoral Program. Some related links are included below:
■ URV - PhD Grants
■ UOC Doctoral Grants
Other grants and funding opportunities in Europe can be found at:
■ Euraxess portal
Junto con:

9. Enlaces de interés
Información del máster en la URV:
http://www.urv.cat/es/estudios/masteres/oferta/ingenieria-computacional/
Información del máster en la UOC:
http://cv.uoc.edu/estudiant/mes-uoc/es/universitat/plans/MS87/index.html#seccio-5
10. Servicio de atención al estudiante
Para consultas o incidencias sobre puedes dirigirte al servicio de atención que encontrarás en
la parte superior del campus virtual de la UOC. Aunque debes tener en cuenta que la URV es
la universidad coordinadora, por lo que debes dirigirte allí para muchos trámites:
● Modificaciones de matrícula, convalidaciones, solicitud de título, solicitud de
adelanto o retraso de la presentación del TFM, etc):
http://www.urv.cat/es/estudios/masteres/tramites/
● Secretaría (estudiantes matriculados): matricula.scs@urv.cat
Junto con:

Guia estudiantes mec mat 2021_2022_esp.docx

Recomendados

Recomendados

Más contenido relacionado

Similar a Guia estudiantes mec mat 2021_2022_esp.docx

Similar a Guia estudiantes mec mat 2021_2022_esp.docx (20)

Más de UOC Estudios de Informática, Multimedia y Telecomunicación

Más de UOC Estudios de Informática, Multimedia y Telecomunicación (20)

Último

Último (20)

Guia estudiantes mec mat 2021_2022_esp.docx