O Colexio Profesional de Enxeñaría en Informática de Galicia (CPEIG) outorga o Premio Traballo Fin de Mestrado en Enxeñaría Informática a Elisa Fernández Álvarez pola súa ferramenta de análise de datos das augas residuais para a predición de casos da COVID-19.
Nesta décimo segunda edición do galardón, que se entregará na XIII Noite da Enxeñaría en Informática de Galicia o 29 de outubro, foron tamén finalistas Diego Campelo Cores, autor dunha solución para o seguimento das misións con drons, e Paloma Piot Pérez-Abadín, polo seu sistema de detección de trastornos mentais en usuarios das redes sociais.
A gala máis importante da informática en Galicia celebrarase no Hotel OCA Puerta del Camino de Santiago de Compostela, cun encontro presencial que reunirá ás empresas máis destacadas do sector TIC en Galicia. Os premios da Noite corresponden a dez categorías onde os colexiados e colexiadas recoñecen as iniciativas ou persoas destacadas no ámbito da enxeñaría en informática.
Co Premio Traballo Fin de Mestrado, o Colexio profesional busca achegarse ao colectivo estudantil, promover as vantaxes da colexiación e estimular o traballo dos estudantes. Os tres finalistas terán dereito a un ano de colexiación, ao que se engade unha gratificación económica de 1.000 euros para a persoa gañadora. A avaliación dos traballos presentados, todos eles correspondentes ao fin de mestrado dos anos 2019, 2020 ou 2021, correu a cargo dunha comisión experta integrada por representantes do CPEIG e das tres universidades galegas. Os tres finalistas da presente edición realizaron os seus traballos de fin de mestrado na Universidade da Coruña.
Predición da COVID-19 a partir do material xenético presente na auga residual
O Traballo Fin de Mestrado de Isabel Fernández Álvarez (A Fonsagrada, 1996), titorizado polos profesores Susana Ladra e Alejandro Cotiñas, da Universidade da Coruña, consistiu no desenvolvemento dunha ferramenta que permite a xestión e explotación dos datos de carga viral obtidos a partir da análise de augas residuais e que son empregados para realizar predicións de casos da COVID-19.
A ferramenta deseñouse para dar soporte ás tarefas desenvolvidas no proxecto CovidBens, posto en marcha na estación depuradora de Bens (A Coruña) co apoio da Universidade da Coruña, a raíz da pandemia e integrado por un equipo multidisciplinar de profesionais da microbioloxía e das ciencias de datos. Facilita a comunicación entre os participantes e axiliza o seu fluxo de traballo, xerando información relevante que é trasladada ás autoridades sanitarias para a toma de decisións áxil mediante un sistema de alerta temperá, anticipando ata 18 días a aparición de gromos do virus. Na estación da Edar Bens verten as súas augas residuais A Coruña, Arteixo, Cambre, Culleredo e Oleiros, o que significa facer un seguimento do virus nunha poboación aproximada de 400.000 habitantes.
Telemetría e streaming de vídeo en tempo real para drons
Este proxecto presentado por Diego Campelo Cores desenvolve un sistema que mellora o seguimento das misións realizadas por drons, de maneira centralizada e en tempo real, facilitando ademais a visualización da información recollida. Inclúe un modo histórico a través do rexistro de voos que permite reproducir unha misión en tempo pasado como se fora en tempo real, coa fin de poder realizar auditorías e revisións para mellorar a calidade da información recollida e do procesado posterior. Integrase nun sistema de xestión de misións xa existente, ademais de prover unha app de escritorio para a recollida da información e unha app web para a visualización.
Perfilado de usuarios de redes sociais para a detección de trastornos mentais
O traballo de Paloma Piot Pérez-Abadín consistiu no perfilado automático de usuarios de redes sociais no contexto da detección precoz de trastornos mentais, concretamente a depresión, analizando os comentarios e expresións empregadas nestas plataformas mediante o procesado da linguaxe natural e a aprendizaxe automática. Así mesmo, puxo creou unha aplicación web para a recollida de datos, a xeración de coleccións e a validación dos datos que perfila o sistema. A ferramenta realiza ademais unha clasificación do xénero dos usuarios, dada a súa relevancia á hora de tratar a depresión, e completa de forma automática un cuestionario -o denominado Inventario de Depresión de Beck- que mide distintos síntomas asociados coa depresión, estimando así a súa gravidade.
