Perfil d'acces

Una disciplina científica tan horitzontal, interdisciplinària i diversa com la intel·ligència artificial no permet definir un perfil específic d’ingrés. Els interessos de recerca i aplicació van de la biologia i la medicina a la lingüística computacional, la visió artificial o la robòtica intel·ligent, només per fixar alguns dels extrems científics.

No obstant això, per definir una base identificable de coneixement bàsics, la formació prèvia del candidat ha de proporcionar, preferentment, una formació i capacitat investigadora equivalent a la proporcionada pel Master en Intel·ligència Artificial que s’imparteix actualment a la UPC, o per les especialitzacions en Computació Avançada i Computació Gràfica i Realitat Virtual del Master on Innovation and Research in Informatics, que sorgeix de la reorganització dels estudis de màster en l’àmbit TIC de la UPC.

El Master en Intel·ligència Artificial també accepta estudiants d’un espectre molt ampli de disciplines científiques.

Perfil de sortida

En finalitzar els estudis el doctorand o doctoranda haurà adquirit les competències i habilitats següents, necessàries per dur a terme una recerca de qualitat (Reial Decret 99/2011, de 28 de gener, pel qual es regulen els ensenyaments oficials de doctorat):

a) Comprensió sistemàtica d'un camp d'estudi i domini de les habilitats i mètodes de recerca relacionats amb aquest camp.
b) Capacitat de concebre, dissenyar o crear, posar en pràctica i adoptar un procés substancial de recerca o creació.
c) Capacitat per contribuir a l'ampliació de les fronteres del coneixement a través d'una recerca original.
d) Capacitat de realitzar una anàlisi crítica i d'avaluació i síntesi d'idees noves i complexes.
e) Capacitat de comunicació amb la comunitat acadèmica i científica i amb la societat en general quant als seus àmbits de coneixement en els modes i idiomes d'ús habitual en la seva comunitat científica internacional.
f) Capacitat de fomentar, en contextos acadèmics i professionals, l'avenç científic, tecnològic, social, artístic o cultural dins d'una societat basada en el coneixement.

Així mateix, l'obtenció del títol de doctor ha de proporcionar una alta capacitació professional en àmbits diversos, especialment en els que requereixen creativitat i innovació. Els doctors han adquirit, almenys, les següents capacitats i habilitats personals per a:

a) Desenvolupar-se en contextos on hi ha poca informació específica.
b) Trobar les preguntes clau que és necessari respondre per resoldre un problema complex.
c) Dissenyar, crear, desenvolupar i emprendre projectes nous i innovadors en el seu àmbit de coneixement.
d) Treballar tant en equip com de manera autònoma en un context internacional o multidisciplinari.
e) Integrar coneixements, enfrontar-se a la complexitat i formular judicis amb informació limitada.
f) La crítica i defensa intel·lectual de solucions.

Finalment, els doctorands hauran de demostrar les competències següents:
a) Haver adquirit coneixements avançats en la frontera del coneixement i demostrat, en el context de la recerca científica reconeguda internacionalment, una comprensió profunda, detallada i fonamentada dels aspectes teòrics i pràctics i de la metodologia científica en un o més àmbits de recerca.
b) Haver fet una contribució original i significativa a la recerca científica en el seu àmbit de coneixement i que aquesta contribució hagi estat reconeguda com a tal per la comunitat científica internacional.
c) Haver demostrat que són capaços de dissenyar un projecte de recerca amb el qual dur a terme una anàlisi crítica i una avaluació de situacions imprecises on aplicar les seves contribucions i els seus coneixements i metodologia de treball per realitzar una síntesi d’idees noves i complexes que produeixin un coneixement més profund del context de recerca en què es treballi.
d) Haver desenvolupat l’autonomia suficient per iniciar, gestionar i liderar equips i projectes de recerca innovadors i col·laboracions científiques, nacionals o internacionals, dins el seu àmbit temàtic, en contextos multidisciplinaris i, quan calgui, amb un alt component de transferència de coneixement.
e) Haver mostrat que són capaços de desenvolupar la seva activitat de recerca amb responsabilitat social i integritat científica.
f) Haver justificat que són capaços de participar en les discussions científiques que es desenvolupen a nivell internacional en el seu àmbit de coneixement i de divulgar els resultats de la seva activitat de recerca a tot tipus de públics.
g) Haver demostrat dins el seu context científic específic que són capaços de realitzar avenços en aspectes culturals, socials o tecnològics, així com de fomentar la innovació en tots els àmbits en una societat basada en el coneixement.

Nombre de places

10

Durada dels estudis i règim de dedicació

Durada
La durada dels estudis de doctorat a temps complet és d'un màxim de tres anys, a comptar des de l'admissió del doctorand o doctoranda al programa fins a la presentació de la tesi doctoral. La comissió acadèmica del programa de doctorat pot autoritzar que es duguin a terme els estudis de doctorat a temps parcial. En aquest cas, els estudis tenen una duració màxima de cinc anys des de l'admissió al programa fins a la presentació de la tesi doctoral. A l'efecte del còmput d'aquests terminis, el moment d'admissió es considera que és la primera matrícula de tutoria i el de presentació, el moment en què l'Escola de Doctorat formalitza el dipòsit de la tesi doctoral.

La duració mínima del doctorat és de dos anys, a comptar des de l'admissió del doctorand o doctoranda al programa fins al dipòsit de la tesi doctoral per als doctorands i doctorandes a temps complet, i de quatre anys per als doctorands i doctorandes a temps parcial. Es pot sol·licitar l'exempció d'aquest termini a la comissió acadèmica del programa de doctorat, amb l'autorització del director o directora i del tutor acadèmic o tutora acadèmica de la tesi, sempre que hi concorrin motius justificats.

A l'efecte del còmput dels períodes anteriors, no es tenen en compte les baixes per malaltia, embaràs o qualsevol altra causa prevista per la normativa vigent. L'estudiant que es trobi en qualsevol de les situacions especificades ha de comunicar-ho a la comissió acadèmica del programa de doctorat, la qual n'ha d'informar, si escau, l'Escola de Doctorat. El doctorand o doctoranda pot sol·licitar la baixa temporal del programa per a un període màxim d'un any, ampliable fins a un any més. La sol·licitud, justificada, s'ha d'adreçar a la comissió acadèmica del programa de doctorat, que ha de resoldre si es concedeix la baixa temporal sol·licitada. Cada programa ha d'establir les condicions de readmissió al doctorat.

Pròrroga dels estudis
En el cas dels estudis a temps complet, si una vegada transcorregut el termini de tres anys no s'ha presentat la sol·licitud de dipòsit de la tesi doctoral, la comissió acadèmica del programa pot autoritzar una pròrroga d'aquest termini d'un any més en les condicions que s'hagin establert en el programa. En el cas dels estudis a temps parcial, es pot autoritzar una pròrroga de dos anys més. Tant en el cas dels estudis a temps complet com en el dels estudis a temps parcial, excepcionalment i mitjançant la sol·licitud motivada de la comissió acadèmica del programa de doctorat, la Comissió Permanent de l'Escola de Doctorat pot ampliar la pròrroga un altre any addicional.

Baixa del programa de doctorat
Són motiu de baixa d'un programa de doctorat:

• La sol·licitud motivada del doctorand o doctoranda de la baixa del programa.
• L'exhauriment del termini màxim de permanència i de les pròrrogues corresponents que s'hagin autoritzat.
• No haver formalitzat la matrícula anual en cada curs (excepte que s'hagi autoritzat una baixa temporal).
• Obtenir dues avaluacions consecutives no satisfactòries.
• Tenir expedients disciplinaris amb una resolució de desvinculació de la UPC.

La baixa del programa implica que el doctorand o doctoranda no hi pot continuar i el tancament de l‘expedient acadèmic. No obstant això, pot sol·licitar la readmissió a la comissió acadèmica del programa, que, d'acord amb els criteris establerts a la normativa, n'ha de tornar a valorar l'accés.

Organització

• Larrosa Bondia, Francisco Javier

• Cortes Garcia, Ulises
• Larrosa Bondia, Francisco Javier
• Nebot Castells, Maria Angela
• Padro Cirera, Lluis
• Sanchez Marre, Miquel

• Departament de Ciències de la Computació (PROMOTORA)

Convenis amb altres institucions

Perfil d'acces

Una disciplina científica tan horitzontal, interdisciplinària i diversa com la intel·ligència artificial no permet definir un perfil específic d’ingrés. Els interessos de recerca i aplicació van de la biologia i la medicina a la lingüística computacional, la visió artificial o la robòtica intel·ligent, només per fixar alguns dels extrems científics.

No obstant això, per definir una base identificable de coneixement bàsics, la formació prèvia del candidat ha de proporcionar, preferentment, una formació i capacitat investigadora equivalent a la proporcionada pel Master en Intel·ligència Artificial que s’imparteix actualment a la UPC, o per les especialitzacions en Computació Avançada i Computació Gràfica i Realitat Virtual del Master on Innovation and Research in Informatics, que sorgeix de la reorganització dels estudis de màster en l’àmbit TIC de la UPC.

El Master en Intel·ligència Artificial també accepta estudiants d’un espectre molt ampli de disciplines científiques.

Requisits d'accés

Per accedir a un programa oficial de doctorat cal tenir els títols oficials espanyols de grau, o equivalent, i de màster universitari, o equivalent, sempre que s'hagin superat, com a mínim, 300 crèdits ECTS en el conjunt d'aquests dos ensenyaments. (Reial decret 43/2015, de 2 de febrer)

Així mateix, hi poden accedir aquelles persones que es troben en algun d'aquests altres supòsits:

• Tenir un títol universitari oficial espanyol o d'un altre país integrant de l'EEES que habiliti per a l'accés a estudis de màster, d'acord amb el que estableix l'article 16 del Reial decret 1393/2007, de 29 d'octubre, pel qual s'estableix l'ordenació dels ensenyaments universitaris oficials, i haver superat un mínim de 300 crèdits ECTS en el conjunt d'estudis universitaris oficials, dels quals com a mínim 60 han de ser d'estudis de màster.
• Tenir un títol oficial espanyol de graduat o graduada, la durada del qual, d'acord amb les normes de dret comunitari, sigui, com a mínim, de 300 crèdits ECTS. Aquestes persones han de cursar amb caràcter obligatori els complements de formació, llevat que el pla d'estudis del títol de grau corresponent inclogui crèdits de formació en recerca equivalents quant a valor formatiu als crèdits en recerca procedents d'estudis de màster.
• Tenir un títol universitari i, amb l'obtenció prèvia d'una plaça en formació en la prova d'accés corresponent a places de formació sanitària especialitzada, haver superat amb una avaluació positiva com a mínim dos anys de formació d'un programa per a l'obtenció del títol oficial d'alguna de les especialitats en ciències de la salut.
• Haver obtingut un títol de sistemes educatius estrangers, sense que en sigui necessària l'homologació, amb la comprovació prèvia de la UPC que aquest acredita un nivell de formació equivalent a la del títol oficial espanyol de màster universitari i que faculta al país expedidor del títol per a l'accés a estudis de doctorat. Aquesta admissió no implica, en cap cas, l'homologació del títol previ que té la persona interessada ni el seu reconeixement a cap altre efecte que el de l'accés a ensenyaments de doctorat.
• Tenir un altre títol espanyol de doctor o doctora obtingut d'acord amb ordenacions universitàries anteriors.

Nota 1: Normativa d'accés als estudis de doctorat per a les persones titulades de llicenciatura, enginyeria o arquitectura conforme al sistema anterior a l'entrada en vigor de l'EEES (CG 47/02 2014)

Nota 2: Acord núm. 64/2014 del Consell de Govern pel qual s'aprova el procediment i els criteris de valoració dels requisits acadèmics d'admissió al doctorat amb estudis estrangers no homologats (CG 25/03 2014)

Criteris d'admissió i valoració de mèrits

L’aspirant al Doctorat en Intel·ligència Artificial (DIA) ha de tenir un historial acadèmic (un mestratge) i professional que demostri que posseeix la capacitat acadèmica i intel·lectual i prou coherència en la seva trajectòria per assegurar la terminació dels seus estudis de manera reeixida i en el temp reglamentari.

El programa valorarà els candidats segons els criteris següents:

• Expedient acadèmic de totes les titulacions universitàries cursades.
• Publicacions (si n’hi ha).
• Experiència investigadora (si n’hi ha).
• Currículum vitae.
• Adequació de l’àrea de recerca d’interès a les línies del programa i al perfil de candidat.
• Altres mèrits.

Es demanarà que tots els admesos en el Programa de Doctorat siguin capaços d’entendre textos tècnics escrits en anglès i de seguir sense dificultat cursos i conferències impartides en anglès. Els doctorands hauran de mostrar un nivell de coneixement de l’idioma anglès equivalent com a mínim al nivell B1 en el Marc de Referència de Coneixements d’Idiomes del Consell d’Europa, tant en la comprensió oral com en l’escrita, en la forma i terminis que determini la Comissió Acadèmica.

Ponderació dels requisits:
La Comissió Acadèmica del Doctorat s’encarregarà del procés de selecció i admissió dels candidats. Aquesta selecció es farà a partir d’un barem que prioritzarà principalment els aspectes següents:

- l’expedient acadèmic dels sol·licitants (60%)
- coneixement recognoscible de l’idioma anglès (20%).
- experiència prèvia (20%).

Complements formatius

La Comissió Acadèmica del programa pot exigir que hagin de superar complements de formació específics. En aquest cas, realitzarà un seguiment dels complements de formació cursats i establirà els criteris convenients per limitar-ne la durada.

Els complements poden ser de formació en recerca o de formació transversal, però mai podrà exigir-se als doctorands la matrícula d’una quantitat superior a 60 ECTS.

Tenint en compte el document d’activitats dels doctorands, la Comissió Acadèmica del programa podrà proposar mesures complementàries a les que estableix aquesta normativa que condueixin a la desvinculació d’aquells que no assoleixin els criteris establerts.

La formació complementària, si fos necessària, s’establirà a criteri dels tutors seguint les recomanacions donades a cada alumne durant el procés d’admissió. Els cursos recomanables seran aquells que ofereixin en l’oferta acadèmica del programa interuniversitari del Master en Intel·ligència Artificial.

Assignatures troncals:

En funció de la seva formació prèvia, els estudiants procedents de disciplines no científiques hauran de superar aquests cursos, més alguna assignatura dels blocs següents segons la línia de recerca triada.

• Computational Intelligence (CI)
• Computational Vision (CV)
• Intelligent Data Analysis Applications in Business
• Introduction to MultiAgent Systems (IMAS)
• Introduction to Machine Learning (IML)
• Introduction to Natural Language Processing (INLP)
• Planning and Approximate Reasoning (PAR)

Assignatures de temàtiques més específiques:

Per als alumnes que provinguin de disciplines científiques, 1 o 2 blocs d’assignatures depenent de la línia de recerca triada.

• Multi-Agent Systems:
• Multi-Agent Systems Design (Masd)
• Normative and Dynamic Virtual Worlds (NDVW)
• Self-Organizing Agent Systems (SOAS)

Human-Computer Interaction:
• Advanced Natural Language Processing (ANLP)
• Cognitive Interaction with Robots (CIR)
• Human-Computer Interaction (HCI)

Advanced Computational Intelligence:
• Advanced Topics in Computational Intelligence (ATCI)
• Complex Networks (CN)
• Intelligent Data Analysis and Data Mining (IDADM)

Knowledge Engineering and Machine Learning:
• Advanced Machine Learning Techniques (AMLT)
• Intelligent Decision Support Systems (IDSS)
• Knowledge Representation and Engineering (KRE)
• Multi-Criteria Decision Support Systems (MCDSS)

Modelling, Reasoning and Problem Solving:
• Constraint Processing and Programming (CPP)
• Logics for Artificial Intelligence (LAI)
• Minds, Brains and Machines (MBM)
• Probabilistic Graphical Models (PGM)

Vision, Perception and Robotics:
• Advanced Artificial Vision (AAV)
• Cooperative Robotics (CR)
• Object Recognition (OR)

Període de matrícula dels nous doctorands

La primera matrícula al Programa de Doctorat s’haurà de fer dins del termini especificat en la resolució d’admissió.
Excepte que s’indiqui expressament el contrari, les matrícules corresponents a les resolucions d’admissió emeses amb posterioritat a la segona quinzena d’abril hauran de ser fetes dins del període ordinari de matrícula de l’any acadèmic en curs.

Més informació a la secció de matrícula per a nous doctorands

Període de matrícula

Període ordinari de matrícula (segones matrícules i successives): s’hauran de realitzar durant la primera quinzena d’octubre.

Més informació a la secció general de matrícula

Procediment per l'elaboració i defensa del pla de recerca

El doctorand o doctoranda ha d'elaborar un pla de recerca, abans de finalitzar el primer any, que s'inclourà en el document d'activitats del doctorand o doctoranda. Aquest pla, que podrà ser millorat durant els estudis de doctorat, ha de ser avalat pel tutor o tutora i pel director o directora, i ha d'incloure la metodologia que s'utilitzarà, així com els objectius que es vulguin aconseguir amb la investigació.

Com a mínim una de les avaluacions anuals ha de preveure una exposició i defensa pública del pla de recerca i de l'estat del treball realitzat davant un tribunal compost per tres doctors o doctores, d'acord amb el que determini cada comissió acadèmica. Aquest tribunal emet una acta amb la qualificació de satisfactori o no satisfactori. L'avaluació positiva del pla de recerca és un requisit indispensable per continuar en el programa de doctorat. Si l'avaluació és no satisfactòria, el doctorand o doctoranda disposa d'un termini de sis mesos per elaborar i presentar un nou pla de recerca, que avalua la comissió acadèmica del programa de doctorat.

Aquesta mateixa comissió s'encarrega d'avaluar anualment el pla de recerca, així com la resta d'evidències incloses en el document d'activitats del doctorand o doctoranda. Dues avaluacions consecutives no satisfactòries del pla de recerca comporten la baixa definitiva del programa.

En cas que el doctorand o doctoranda canviï de tema de tesi, haurà de presentar un nou pla de recerca.

Activitats formatives del programa

Tutories (reunions amb el director o la directora), 288 hores aproximadament (el nombre exacte i la freqüència l’establiran els directors), obligatòria.

2. Seminari d’Intel·ligència Artificial, 30 hores aproximadament (depèn de la disponibilitat dels conferenciants), optativa.

3. Seminari teoricocientífic, 30 hores aproximadament (depèn de la disponibilitat dels conferenciants), optativa.

4. Cursos intensius, 30 hores aproximadament (depèn de la disponibilitat dels professors), optativa.

5. Reunions científiques internacionals (conferències, ’workshops’, escoles…), 24 hores aproximadament, optativa.

Procediment d'assignació de tutor i director de tesi

La comissió acadèmica del programa assigna un director o directora de tesi a cada doctorand o doctoranda en el moment de l'admissió o en la primera matrícula, atès el compromís de direcció de la resolució d'admissió al programa.

El director o directora de tesi és la persona responsable de la coherència i idoneïtat de les activitats de formació, de l'impacte i la novetat en el seu camp de la temàtica de la tesi doctoral i de la guia en la planificació i la seva adequació, si n'hi ha, a la d'altres projectes i activitats on s'inscrigui el doctorand o doctoranda. Amb caràcter general, el director o directora de la tesi és un professor o professora o un investigador o investigadora membre de la Universitat Politècnica de Catalunya amb el títol de doctor o doctora i experiència investigadora acreditada. Aquest concepte inclou el personal doctor de les entitats vinculades, segons la decisió del Consell de Govern, i d'instituts de recerca adscrits a la UPC, d'acord amb els convenis de col·laboració i d'adscripció corresponents. Quan el director o directora és personal de la UPC també actua com a tutor o tutora.

Els doctors o doctores a qui, per raó de la seva relació contractual o l'entitat d'adscripció, no els són aplicables els conceptes anteriors, han de rebre un informe positiu de la Comissió Permanent de l'Escola de Doctorat de la UPC per poder formar part del programa de doctorat com a investigador o investigadora amb recerca acreditada.

La comissió acadèmica del programa de doctorat pot aprovar la designació d'un doctor o doctora expert que no pertanyi a la UPC com a director o directora. En aquest cas, cal l'autorització prèvia de la Comissió Permanent de l'Escola de Doctorat de la UPC, així com la proposta d'un doctor o doctora amb experiència investigadora acreditada de la UPC, que actua com a codirector o codirectora o, si no n'hi ha, com a tutor o tutora.

El director o directora de tesi pot renunciar a la direcció de la tesi doctoral, sempre que hi concorrin raons justificades apreciades per la comissió. En aquest cas, la comissió acadèmica del programa de doctorat ha d'assignar al doctorand o doctoranda un nou director o directora.

La comissió acadèmica del programa de doctorat, una vegada ha escoltat el doctorand o doctoranda, pot modificar el nomenament del director o directora de tesi en qualsevol moment del període de realització del doctorat, sempre que hi concorrin raons justificades.

Si hi ha motius acadèmics que ho justifiquen (interdisciplinarietat temàtica, programes conjunts o internacionals, etc.) i la comissió acadèmica del programa ho acorda, es pot assignar un codirector o codirectora de tesi addicional. El director o directora i el codirector o codirectora tenen les mateixes competències i el mateix reconeixement acadèmic.

El nombre màxim de supervisors que pot tenir una tesi doctoral és de dos: un director o directora i un codirector o codirectora.

Per a tesis en règim de cotutela i de doctorat industrial, si és necessari i ho estableix el conveni, es pot acordar no aplicar-hi aquest màxim. No obstant això, el nombre màxim de directors o directores que poden pertànyer a la UPC és de dos.

Més informació a la secció de tesis doctorals

Permanència

En el cas dels estudis a temps complet, si un cop transcorregut el termini de tres anys no s'ha presentat la sol·licitud de dipòsit de la tesi doctoral, la comissió acadèmica del programa pot autoritzar una pròrroga d'aquest termini d'un any més en les condicions que la Normativa acadèmica dels estudis de doctorat de la Universitat Politècnica de Catalunya hagi establert en el programa. En el cas dels estudis a temps parcial, es pot autoritzar una pròrroga de dos anys més. Tant en el cas dels estudis a temps complet com en el dels estudis a temps parcial, excepcionalment, i a sol·licitud motivada de la comissió acadèmica del programa de doctorat, la Comissió Permanent de l'Escola de Doctorat pot ampliar la pròrroga un altre any addicional.

Són motiu de baixa d'un programa de doctorat:

• La sol·licitud motivada del doctorand o doctoranda de la baixa del programa.
• L'exhauriment del termini màxim de permanència i de les pròrrogues corresponents que s'hagin autoritzat.
• No haver formalitzat la matrícula anual en cada curs (llevat que s'hagi autoritzat una baixa temporal).
• Obtenir dues avaluacions consecutives no satisfactòries.
• Tenir expedients disciplinaris amb una resolució de desvinculació de la UPC.

La baixa del programa implica que el doctorand o doctoranda no hi pot continuar i el tancament de l'expedient acadèmic. No obstant això, pot sol·licitar la readmissió a la comissió acadèmica del programa, que, d'acord amb els criteris establerts a la normativa, n'ha de tornar a valorar l'accés.

Menció Internacional

El títol de doctor o doctora pot incloure la menció internacional. En aquest cas, el doctorand o doctoranda haurà de complir els requisits següents:

a) Al llarg de l'etapa formativa necessària per obtenir el títol de doctor o doctora, el doctorand o doctoranda ha d'haver fet una estada mínima de tres mesos en una institució d'ensenyament superior o centre de recerca de prestigi fora d'Espanya, per cursar-hi estudis o fer-hi treballs de recerca. L'estada i les activitats han d'estar avalades pel director o directora i han d'estar autoritzades per la comissió acadèmica del programa, i cal acreditar-les amb el certificat corresponent expedit per la persona responsable del grup de recerca de l'organisme o els organismes on s'ha realitzat. Aquesta informació s'incorpora al document d'activitats.
b) Una part de la tesi, com a mínim el resum i les conclusions, s'ha d'haver redactat i presentat en una de les llengües habituals per a la comunicació científica en el seu camp de coneixement i diferent de les que són oficials a Espanya. Aquesta norma no s'aplica si l'estada, els informes i els experts provenen d'un país de parla hispana.
c) La tesi ha de tenir l'informe previ, acreditat oficialment, d'un mínim de dos doctors o doctores experts que pertanyin a alguna institució d'ensenyament superior o centre de recerca no espanyol.
d) Com a mínim un doctor o doctora expert, pertanyent a una institució d'ensenyament superior o de recerca no espanyol i que no sigui la persona responsable de l'estada (apartat a), ha d'haver format part del tribunal d'avaluació de la tesi.
e) La defensa de la tesi s'ha d'haver fet a les instal·lacions de la UPC o, en el cas de programes conjunts, al lloc que s'especifica en el conveni de col·laboració.

Llistat de tesis autoritzades per a defensa

Darrera actualització: 04/10/2023 04:45:29.

Llistat de tesis en dipòsit

• DE CASTRO CROS, MARTÍ: DA&AI Supporting tools for gas turbine¿s efficiency improvement: maintenance, operation modes and performance enhancement
  
  Autor/a: DE CASTRO CROS, MARTÍ
  Tesi completa: (contacteu amb l'Escola de Doctorat per confirmar que sou un doctor acreditat i obtenir l'enllaç a la tesi)
  Programa: INTEL·LIGÈNCIA ARTIFICIAL
  Departament: Departament de Ciències de la Computació (CS)
  Modalitat: Normal
  Data de dipòsit: 02/10/2023
  Data de lectura: pendent
  Hora de lectura: pendent
  Lloc de lectura: pendent
  Director/a de tesi: ANGULO BAHON, CECILIO | VELASCO GARCIA, MANUEL
  Tribunal:
       PRESIDENT: MELENDEZ FRIGOLA, JOAQUIM
       SECRETARI: SANCHEZ MARRE, MIQUEL
       VOCAL: NADERI, DAVOOD
  Resum de tesi: La digitalització ha revolucionat el sector industrial. L'augment en la captura de dades i el desenvolupament en els camps de la intel·ligència artificial i l'aprenetatge automàtic han significat un canvi transformador en la forma com es prenen decisions a la indústria.Aquests avenços han permès el desenvolupament d'algorismes sofisticats que poden processar grans quantitats de dades i descobrir patrons i estructures que abans eren difícils de detectar.Aquesta tesi forma part d'un projecte de col·laboració entre la Universitat Politècnica de Catalunya (UPC) i Siemens Energy (SE), amb la idea de crear eines digitals pel seguiment i la millora de l'eficiència de les turbines de gas en aplicacions industrials.L'objectiu d'aquest estudi es centra en el desenvolupament d'eines de suport relacionades amb el manteniment, ja que és un dels factors clau en el rendiment de l'equipament i el seu cost és una despesa important per als operadors d'aquest sector.El manteniment és un procés crític per garantir la fiabilitat i disponibilitat dels sistemes industrials. Els indicadors (KPI) i els sensors digitals s'han tornat cada cop més populars per monitoritzar processos industrials i predir variables difícils de mesurar. Per tant, l'objectiu principal d'aquesta tesi és desenvolupar un indicador basat en IA que pugui ajudar a avaluar el rendiment dels equips i recomanar accions de manteniment.Per aconseguir aquest objectiu, s'utilitza una arquitectura basada en autoencoder, que incorpora estructures i tipus diversos.Aquests models s'han posat a prova per determinar quin ofereix un millor rendiment i s'adapta bé més als requisits de les màquines. Es presenta un estudi detallat, avaluant el rendiment dels models mitjançant dues mètriques diferents: l'error absolut i la distància de Fréchet, combinats amb dos càlculs de mitjana temporal: mitjana mòbil i mitjana incremental. Els resultats d'aquest anàlisis revelen una clara desviació en els resultats del model. A més, s'obtenen resultats addicionals modificant l'estructura de l'espai latent que permeten detectar canvis significatius en el rendiment de la màquina associats a esdeveniments significatius de manteniment.S'utilitzen mètodes de descomposició de sèries temporals, transformació de wavelet i d'agrupació de dades per analitzar més els resultats i obtenir informació addicional sobre el rendiment de les turbines de gas. El resultat derivat d'aquest estudi consisteix en la detecció d'una desviació en el rendiment de la màquina i la identificació de canvis significatius en el seu comportament a causa d'activitats significatives de manteniment. Aquesta investigació pot servir de base per a futurs estudis i investigacions en aquesta àrea, ja que ha assentat les bases per al desenvolupament potencial de models més sofisticats i precisos que puguin controlar i diagnosticar eficaçment problemes potencials a les turbines de gas de Siemens Energy.Aquesta tesi doctoral contribueix a reduir la diferència entre la investigació i la indústria mitjançant l'aplicació de noves tecnologies i algorismes a problemes industrials reals. També pretén aportar informació valuosa sobre el funcionament dels sistemes de turbines de gas des d'un punt de vista de dades i presenta unes eines per desenvolupar models més precisos i orientats a tasques específiques i necessàries de les turbines de gas. Aprofitant el desenvolupament de l'aprenentatge automàtic i l'anàlisi avançada, es pretén millorar l'eficiència, la fiabilitat i la seguretat d'aquestes màquines per ampli rang d'usos en aplicacions industrials.
  
• ZAMBRANA SEGUI, MARIA DEL CARMEN: New data integration methods for drug re-purposing by mining heterogeneous omics data
  
  Autor/a: ZAMBRANA SEGUI, MARIA DEL CARMEN
  Tesi completa: (contacteu amb l'Escola de Doctorat per confirmar que sou un doctor acreditat i obtenir l'enllaç a la tesi)
  Programa: INTEL·LIGÈNCIA ARTIFICIAL
  Departament: Departament de Ciències de la Computació (CS)
  Modalitat: Normal
  Data de dipòsit: 28/09/2023
  Data de lectura: pendent
  Hora de lectura: pendent
  Lloc de lectura: pendent
  Director/a de tesi: PRZULJ, NATASA
  Tribunal:
       PRESIDENT: BAUMBACH, JAN
       SECRETARI: VELLIDO ALCACENA, ALFREDO
       VOCAL: VAN STEEN, KRISTEL
  Resum de tesi: Las tecnologías ómicas de alto rendimiento generan datos heterogéneos a gran escala que ofrecen perspectivas complementarias del organismo estudiado. Para utilizar estos datos en áreas biomédicas, como el reposicionamiento de fármacos (RF), es necesario adaptar métodos existentes de inteligencia artificial (IA) para integrarlos y procesarlos conjuntamente.El RF investiga fármacos existentes para nuevos propósitos terapéuticos. Dado que estos fármacos ya se han estudiado para otras indicaciones acorta los tiempos de desarrollo y reduce los riesgos de seguridad. Así, el RF es crucial para responderrápidamente a patógenos desconocidos, como el nuevo SARS-COV-2, que recientemente causó una pandemia mundial. Los fármacos antivirales tienen dos posibles dianas terapéuticas: las proteínas virales o las proteínas humanas del huésped. El RF que se enfoca en las proteínas humanas tiene como objetivo alterar los mecanismos biológicos humanos utilizados por el virus.Cuando estos mecanismos son compartidos entre varios virus, los fármacos son candidatos para tratamientos virales de amplio espectro.En esta tesis desarrollamos nuevos modelos de IA para el RF que alteren los mecanismos biológicos humanos relevantes para infecciones virales. En particular, contribuimos a los esfuerzos para tratar el COVID-19 mediante el RF. Nos centramos en modelos de integración de datos para combinar redes sobre el huésped humano (interacciones entre sus genes/proteínas) y fármacos (interacciones entre fármacos y proteínas humanas y similitud química entre fármacos) con nuevos datos relacionadoscon el SARS-COV-2 (interacciones entre las proteínas virales y humanas o expresión genética de los genes humanos después de la infección). Los modelos desarrollados se basan en la Tri-factorización de Matrices No Negativas (NMTF en sus singlas eninglés), ya que estos métodos generan modelos interpretables capaces de integrar y analizar datos complejos homogéneos y heterogéneos.Primero, investigamos la infección por SARS-COV-2 de dos formas: desde un punto de vista sistémico (considerando que el COVID-19 afecta todo el cuerpo) y centrándonos en su sitio primario de infección (los pulmones). Así, desarrollamos dosmodelos que identifican genes relevantes para el COVID-19 y reposicionan fármacos para tratarlo. Curiosamente, los genes y fármacos identificados por cada modelo no se solapan. Esto resalta la complementariedad de los dos enfoques, que generannuevo conocimiento sobre el COVID-19, aunque ambos utilizan NMTF para integrar datos biológicos. Los genes identificados mediante el primer modelo (a los que llamamos CN de sus siglas en inglés) conectan dos conjuntos de genes relacionados con la infección por SARS-COV-2: las proteínas humanas directamente afectadas por las proteínas del SARS-COV-2 y aquellos genes con diferente expresión después de la infección (DEG de sus siglas en inglés). Descubrimos que los genes CN son clavepara los mecanismos del COVID-19 y candidatos prometedores para el RF. Luego, investigamos si nuestro concepto de CN se podría aplicar a otros virus para encontrar mecanismos de enfermedad comunes. Así, aplicamos el concepto de CN a cinco virusy lo extendimos a infecciones virales sin datos DEGs, obteniendo CN para 13 virus (8 sin datos DEGs). Curiosamente, encontramos que los CN son comunes entre los virus, revelando mecanismos "pan-virales". Finalmente, desarrollamos un nuevomodelo de integración de datos para reposicionar fármacos con estos genes "pan virales" como dianas terapéuticas, allanando el camino para el RF de amplio espectro.En conclusión, hemos desarrollado nuevos modelos de IA capaces de integrar y analizar datos ómicos complejos para el RF en el tratamiento de infecciones virales al alterar los mecanismos biológicos del huésped utilizados por el virus. Estos nuevosmodelos mejoran nuestra comprensión de las infecciones virales, sentando las bases par
  

Darrera actualització: 04/10/2023 04:30:30.

Llistat de tesis defensades per any

• BLONDEL, GILLES JACQUES FORTUNATO: Causal discovery and prediction: methods and algorithms
  
  Autor/a: BLONDEL, GILLES JACQUES FORTUNATO
  Tesi completa: (contacteu amb l'Escola de Doctorat per confirmar que sou un doctor acreditat i obtenir l'enllaç a la tesi)
  Programa: INTEL·LIGÈNCIA ARTIFICIAL
  Departament: Departament de Ciències de la Computació (CS)
  Modalitat: Normal
  Data de lectura: 07/06/2023
  Director/a de tesi: GAVALDÀ MESTRE, RICARD | ARIAS VICENTE, MARTA
  

  Tribunal:
       PRESIDENT: EBERHARDT, FREDERICK
       SECRETARI: ARRATIA QUESADA, ARGIMIRO ALEJANDRO
       VOCAL: LÓPEZ IBÁÑEZ, BEATRIZ
  Resum de tesi: Esta tesis estudia el aprendizaje de relaciones causales y la predicción de efectos causales. En cuanto al aprendizaje de relaciones causales, esta tesis presenta un método novedoso y genérico para aprender grafos causales mediante la realización de una secuencia de intervenciones, donde cada intervención se aplica sobre un único valor de las variables intervenidas, minimizando el coste total de la secuencia de variables intervenidas y observadas durante el proceso de aprendizaje. En cuanto a la predicción de efectos causales, esta tesis introduce un método de razonamiento causal para modelos recurrentes en el tiempo. En esta tesis, asumimos que los modelos causales contienen variables ocultas que tienen influencia sobre las variables observadas del modelo, excepto cuando se hace referencia explícita a modelos causales sin variables ocultas como subcaso. También asumimos que todas las variables están en un dominio finito. Contribución al aprendizaje de relaciones causalesNuestro método para el aprendizaje de relaciones causales introduce varias novedades. En primer lugar, utilizamos intervenciones sobre un único valor de las variables intervenidas. Todos los métodos anteriores requieren intervenciones sobre varios valores de las variables intervenidas para medir la correlación o la independencia condicional entre variables. Al utilizar el do-calculus como una herramienta para predecir sistemática y numéricamente el efecto de todas las intervenciones que son posibles, sin tener que realizarlas en la realidad, trasladamos el espacio de búsqueda fuera del mundo real y eliminamos la necesidad de correlación sistemática y pruebas de independencia condicional en el mundo real. Asumimos que disponemos de recursos computacionales ilimitados, y que disponer de ellos es preferible al costo de experimentar en el mundo real. En segundo lugar, aceptamos cualquier conjunto de grafos candidatos. El conocimiento previo de algunas partes del modelo puede tener o no la forma de una clase de grafos de equivalencia, y el conjunto de grafos candidatos puede tener o no alguna característica paramétrica particular. Es posible que algunos grafos candidatos se hayan descartado previamente en función del análisis de los datos observacionales disponibles; sin embargo, ningún algoritmo basado solo en datos observacionales puede identificar el grafo completo de un modelo causal. Como tal, nuestro método acepta cualquier conjunto de candidatos de gráfos causales, con la única suposición de que el grafo verdadero, la solución al problema, está incluido en el conjunto de candidatos. En tercer lugar, asumimos que todos los grafos causales contienen variables ocultas, mientras que la mayoría de los trabajos anteriores se centran en grafos causales sin variables ocultas.Contribución a la predicción de efectos causalesEl segundo tema central de esta tesis es la predicción causal. El enfoque de la tesis es el razonamiento causal dinámico: dada la descripción formal de un sistema causal dinámico en el tiempo, proponemos métodos para evaluar la trayectoria modificada del sistema a lo largo del tiempo, después de un experimento o intervención. Suponemos que la escala de tiempo de observación es lo suficientemente pequeña en comparación con la dinámica del sistema, y que el modelo causal incluye tanto las relaciones causales de no equilibrio como aquellas en estados de equilibrio. Suponemos que existe un conjunto estable de dependencias causales que generan la evolución del sistema a lo largo del tiempo. Nuestros algoritmos se basan en estos modelos y predicen su evolución en el tiempo, después de una intervención. También presentamos algoritmos de transportabilidad en el entorno dinámico, donde el conocimiento experimental en dominios recurrentes en el tiempo se puede usar para la predicción en los otros dominios recurrentes en el tiempo que tengan las mismas relaciones causales.
  

Darrera actualització: 04/10/2023 05:01:11.

Grups de recerca

• KEMLG-Grup d'Enginyeria del Coneixement i Aprenentatge Automatic
• LOGPROG-Logica i Programacio
• SOCO-Soft Computing
• TALP-Centre de Tecnologies i Aplicacions del Llenguatge i la Parla

Professorat

• Alquezar Mancho, René
• Angulo Bahon, Cecilio
• Arias Vicente, Marta
• Bejar Alonso, Javier
• Cortes Garcia, Ulises
• Gibert Oliveras, Karina
• Larrosa Bondia, Francisco Javier
• Martin Muñoz, Mario
• Mugica Alvarez, Francisco José
• Nebot Castells, Maria Angela
• Padro Cirera, Lluis
• Sanchez Marre, Miquel
• Vazquez Salceda, Javier
• Vellido Alcacena, Alfredo

• Andre Sanchez, Michel
• Gavalda Mestre, Ricard
• Sanfeliu Cortes, Alberto
• Velasco Garcia, Manel