Big Data Talent Awards

big-data-talent

2ª edición de los Big Data Talent Awards

A continuación puedes consultar los ganadores y finalistas de la 2a edición de los Big Data Talent Awards:

Ganadores del Big Data Talent Awards 2016

  • - Categoría I : proyecto final de carrera o de fin de máster o postgrado
  • Tourist Factory (UPC) (Autores: Beatriz martin, Juan Pablo López, Yulia Zvyagelskaya i Rodica Fazakas). Tourist Factory es una solución AaaS (Analyticsasaservice) en tiempo real que, por una parte identifica turistas a las redes sociales en las grandes ciudades y, por otra parte, implementa un sistema de recomendaciones basado en contenido social y dirigido a estos turistas.

  • - Categoría II: tesis doctoral
  • Large-scale comparative bioinformatics analyses (UPF realizada en el Centro de regulación genómica) (Autora: Maria Chatzou). El objetivo de esta tesis ha sido explorar el impacto del análisis de datos a gran escala en la alineación de secuencias múltiples y la reconstrucción filogenética, dos de los métodos de modelaje más populares de la biología.

Finalistas del Big Data Talent Awards 2016

  • - Categoría I : proyecto final de carrera o de fin de máster o postgrado
    • Convector - Public transport optimization through Big Data analytics (UPC) (Autores: Albert Quiroga, Ferran Cabezas, Xavier Mas y Carles Teixidó). El principal objetivo de este proyecto es diseñar, construir y implementar un sistema de análisis de información Big Data que analice los datos generados para una empresa de transporte público para poder extraer insights de valor para el negocio.
    • Computational Framework for the Assessment of New Forms of Organization in Social Media (UNED) (Autor: Pablo Aragón). Este proyecto propone un marco computacionall para determinar mejor y analizar las redes de Twitter de los partidos políticos utilizando algoritmos de detección de comunidades.

  • -Categoría II: tesis doctoral
    • Evolutionary bags of space-time analysis for human analysis (UB) (Autor: Victor Ponce). La tesis analiza y presenta diferentes aproximaciones para el aprendizaje automático de representaciones espacio-temporales a partir de datos procedentes de múltiples dispositivos, haciendo énfasis en los datos visuales y técnicas de visión artificial. Principalmente se definen y utilizan métodos de computación evolutiva, sistemas de programación dinámica y modelos generativos. El objetivo es el análisis del comportamiento humano mediante el reconocimiento de patrones gestuales y de acciones.
    • Prediction of protein and nucleic acid interactions (UPF) (Autor: Davide Cirillo). El propósito de esta tesis ha sido el desarrollo de métodos de bioinfomática de alto rendimiento para evaluar cuantitativamente las asociaciones entre las proteínas y los ácidos nucleicos (AN).

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.plugin cookies

Do NOT follow this link or you will be banned from the site!