Programas formativos
Educación Innovadora en IA y Sostenibilidad
Grado y posgrado
Incluye programas que integran IA y desarrollo sostenible en múltiples disciplinas, como ingeniería civil, ambiental y arquitectura.
Títulos propios y cursos
Cursos especializados en inteligencia artificial aplicada a la sostenibilidad, disponibles para profesionales del sector.
Prácticas
Convocatoria anual de practicas en empresas y entidades colaboradoras de la Cátedra para la realización de TFG y TFM, co-tutorizadas por un profesor del grado o master y un profesor de VRAIN.
Escuelas de Verano
Programas intensivos sobre los últimos avances en IA y su aplicación al desarrollo sostenible.
Grado y postgrado
Títulos propios y cursos
Prácticas
La Cátedra ENIA-UPV, con Nunsys Group como empresa promotora, ha arrancado un programa de prácticas con el objetivo de potenciar el talento universitario en el ámbito de la inteligencia artificial y la sostenibilidad. Las prácticas, abarcan distintos sectores que van desde la detección temprana de enfermedades en cultivos, mediante redes neuronales, hasta el análisis de daños por fenómenos climáticos con tecnología BIM y GIS, con la Inteligencia Artificial (IA) como pilar fundamental. Otros ámbitos destacados que se están abordando en estas prácticas son el urbanismo sostenible, la biología o las emergencias. Mas de veinte estudiantes van a tener la oportunidad de realizar prácticas en el marco de la Cátedra.
Reconstrucción sostenible tras desastres
Aplicación de metodologías avanzadas para modelar edificios dañados, evaluar el impacto y
proponer soluciones de reconstrucción sostenible que integren herramientas digitales y bases
de datos.
Mantenimiento predictivo con inteligencia artificial
Análisis de equipos industriales para identificar fallos y diseñar estrategias de mantenimiento
predictivo basadas en inteligencia artificial que optimizan la gestión de incidencias.
Reducción de emisiones en producción animal
Desarrollo de sistemas de control en tiempo real para medir y mitigar emisiones en ganadería
donde se integren datos ambientales y mejoren la sostenibilidad del sector.
Detección temprana de enfermedades en cultivos
Entrenamiento de una red neuronal con imágenes reales para diagnosticar enfermedades en
plantas a través de una aplicación colaborativa que promueva el uso eficiente de recursos
agrícolas. Cabe destacar que la IA puede mejorar la agricultura de precisión y reducir el
consumo de recursos, y productos fitosanitarios hasta en un 90%.
Optimización de recursos en emergencias
Diseño de modelos basados en inteligencia artificial para mejorar la gestión de emergencias
que optimice la distribución de recursos y reduciendo el impacto ambiental.
Cálculo de la huella de carbono en barrios urbanos
Desarrollo de una plataforma para evaluar el impacto ambiental a nivel barrial que integre datos
públicos y modelos de simulación para mejorar la sostenibilidad en las ciudades.
Estudio de praderas marinas y oleaje
Análisis de bases de datos marítimas y uso de modelos numéricos para comprender la influencia del oleaje en la distribución de praderas marinas y su relación con daños ecológicos.
Mitigación de riesgos en inundaciones urbanas mediante teledetección.
Aplicación
de inteligencia artificial para la prevención de inundaciones urbanas mediante
el análisis de imágenes satelitales, entrenando modelos de IA con datos de
observaciones georreferenciadas y verificar/validar los resultados para
asegurar su precisión y utilidad en la gestión de riesgos de inundaciones
urbanas.
Análisis de un sistema para detección de células laticíferas en imágenes de hojas de plantas
Desarrollo un sistema de visión por computador para detectar patrones.
Corrección de distorsiones para medir daños usando escáneres 3D en ensayos físicos hidráulicos 2D
Desarrollo de una metodología de corrección de distorsiones ópticas en modelos físicos hidráulicos mediante IA, integrando datos de múltiples escáneres infrarrojos. Aplicando técnicas para generar perfiles 3D sin interferir con los procesos de ensayo, contribuyendo a sistemas digitales eficientes en contextos de ingeniería costera y resiliencia territorial, alineados con la economía circular y la digitalización sostenible de infraestructuras
IA para la mejora de experimentos biotecnológicos relacionados con los efectos del cambio climático
Técnicas de IA aplicadas a problemas reales, con especial foco en biotecnología y cambio climático. Modelos de detección de patrones representativos de los datos. Resolución práctica de problemas enmarcados en el campo de la IA y teledetección.
Eficiencia energética y Green Computing en clasificación multimodal
Construcción de modelos de análisis y clasificación de contenido multimedia utilizando arquitecturas Transformers altamente eficientes desde el punto de vista computacional, mediante técnicas como low-rank adaptation, sparse training o pruning. Esto, además de presentar ventajas claras en cuanto a la privacidad y la descentralización de la IA, permitiría la disminución del consumo energético y ayudaría a prolongar la vida útil del hardware funcional, alineándose plenamente con los principios de economía circular.
IA para la Gestión de Asociaciones
Debido a las catástrofes que está provocando el cambio climático en las ciudades, vemos cada vez más necesaria la profesionalización del voluntariado. Objetivos y actividades: Automatizar y personalizar la gestión de datos de voluntarios: Predecir patrones de participación y abandono de los voluntarios, mejorar la asignación de tareas según intereses y habilidades, optimizar la comunicación interna y externa del voluntariado, facilitar la medición de impacto y generación de informes.
Soporte técnico en gestión y explotación de datos de invernaderos inteligentes
Desarrollo centrado en lograr territorios inteligentes sostenibles, concretamente buscando agricultura sostenible. La práctica consistirá en brindar apoyo en la gestión de datos obtenidos a partir de sensores ambientales y agronómicos instalados en invernaderos experimentales. Se trabajará en el preprocesamiento y limpieza de grandes volúmenes de datos reales, en la visualización de la información, y en la implementación y evaluación preliminar de modelos de aprendizaje automático.
Modelos IA en la clasificación de modelos de combustible a partir de datos LiDAR e imágenes de satélite
Diseñar y aplicar algoritmos de deep learning para clasificar grupos estructurales de la vegetación. Analizar y procesar datos geoespaciales para aplicaciones medioambientales. Sintetizar resultados y conclusiones relevantes para la redacción de documentos científico-técnicos. Actividades: Preprocesado de datos geoespaciales (imágenes satelitales y datos LiDAR). Selección y aplicación de algoritmos de clasificación. Análisis y evaluación de resultados. Visualización y generación de mapas. Redacción de conclusiones.
Mitigación de riesgos en inundaciones urbanas mediante teledetección
El objetivo de la práctica es adquirir destreza en herramientas de IA y su aplicación a problemas reales, concretamente a la mitigación del riesgo de inundaciones urbanas. El plan de trabajo incluye el acceso a fuentes de información consistente, desarrollar herramientas de detección a partir de imágenes de satélite, entrenar modelos de IA con datos de observaciones georreferenciadas y verificar/validar los resultados para asegurar su precisión y utilidad en la gestión de riesgos de inundaciones urbanas.
Detección temprana de enfermedades en cultivos II
Estudio del repositorio de imágenes de plantas y del uso de modelos neuronales, su conexión a un repositorio como el existente y su uso como servicio desde la app móvil.
Añadir opciones de administrador y configurar y entrenar el modelo neuronal usando la fuente de datos “Plant Village” para poblar el repositorio.
Consultar eficiencia del modelo entrenado y permitir conectarlo al servicio para su uso desde la app. Añadir opciones de usuario en la app para usar el servicio e indicar si una foto es de una planta sana o no.
Análisis de un sistema para detección de células laticíferas en imágenes de hojas de plantas II
La Inteligencia artificial es uno de los campos con mejor empleabilidad de acuerdo a diferentes estudios. En esta práctica, el estudiante colabora con el instituto Valenciano de Inteligencia Artificial abordando diferentes problemas relacionados con biología y viendo la viabilidad del uso de técnicas de IA para su resolución. Utilizando IA para la segmentación de células laticíferas desde imágenes de hojas. En concreto, el análisis de técnicas de segmentación de imágenes
Materiales Sostenibles: Aplicación Práctica en una Plataforma de IA Ambiental
El proyecto busca aplicar robótica avanzada e inteligencia artificial al fenotipado agrícola con el fin de impulsar una
agricultura más sostenible. A través de robots eléctricos autónomos equipados con sensores hiperespectrales y sistemas
de visión 3D, se capturan datos de los cultivos que permiten analizar su desarrollo, necesidades y resiliencia. La
información, organizada en bases de datos y procesada mediante modelos de IA, se integra en plataformas digitales para
generar recomendaciones que favorezcan el uso eficiente de recursos, la reducción de insumos y la adaptación al cambio
climático
Cadena de Suministro Sostenible
Desarrollar e implementar un sistema de Inteligencia Artificial Cognitiva (IAC) que optimice la gestión de la red de
proveedores, mejorando la eficiencia y sostenibilidad de la cadena de suministro. La IAC permitirá una toma de decisiones
informada, adaptativa y proactiva, considerando variables como la demanda del mercado, disponibilidad de recursos.
Aplicación de Técnicas de Inteligencia Artificial para la Optimización Sostenible del Turismo en Destinos Inteligentes
La investigación analizará datos turísticos, hará segmentación de visitantes, diseñando dashboards, identificando patrones de movilidad, y desarrollando prototipos de recomendación o visualización orientados a la toma de
decisiones sostenibles.
Planificación sostenible y descentralizada de rutas de ambulancias con agentes inteligentes
Diseño e implementación de estrategias descentralizadas mediante agentes inteligentes, aplicadas a la planificación del transporte sanitario no asistido.
Aplicación de IA en el mantenimiento predictivo de flotas de transporte
Machine Learning aplicado al mantenimiento. Para ello se compartirá un dataset de datos reales del sector transporte, que será utilizado en actividades de limpieza y exploración de datos, diseño de un modelo predictivo básico, validación de resultados y elaboración de visualizaciones para comunicar hallazgos de manera clara y práctica.
Visión artificial para mejorar la sostenibilidad de la producción ganadera.
Integración de datos productivos y de comportamiento a través de la grabación de
imágenes y el uso de la inteligencia artificial para mejorar la sostenibilidad de la producción ganadera.
Mejora de bases de datos y LLM para optimización de respuestas IA
Evaluación del impacto ambiental de materiales mediante ACV y uso de esa
información para
mejorar sistemas inteligentes.
Optimización del posicionamiento de estaciones de recarga para vehículos eléctricos en ciudades
Análisis, diseño e implementación de sistemas de apoyo a la decisión y optimización para el posicionamiento de estaciones de recarga para vehículos eléctricos en ciudades
Modelos de Lenguaje Reducidos para la Conducción Sostenible: Optimización Cognitiva para la Reducción del Consumo y del Impacto Medioambiental
La investigación contribuirá a avanzar hacia un modelo de movilidad más sostenible, combinando inteligencia artificial explicable, eficiencia energética y apoyo cognitivo a la conducción responsable.
Automatización sostenible de tareas empresariales mediante la integración de 8x8 y la plataforma de inteligencia artificial VEKAI
Desarrollo de conectores API REST entre 8x8 y VEKAI. Implementación de workflows inteligentes basados en eventos (por ejemplo, “al finalizar una llamada de soporte, crear un resumen y actualizar el espacio de VEKAI correspondiente”). Uso de tecnologías como Python (FastAPI o LangChain), mensajería asíncrona (RabbitMQ o Kafka) y pipelines de datos sostenibles.
Aplicación de técnicas de Inteligencia Artificial combinadas con programación matemática para el diseño de RdSA viables.
Aplicar técnicas de Inteligencia Artificial combinadas con programación matemática para el diseño de RdSA viables. ACTIVIDADES 1 Análisis del contexto: 2 Revisión de trabajos que integren IA con programación matemática en el Diseño de Redes de Suministro/Distribución en general y agroalimentarias en particular. 3 Definición de problemas, formulación, implementación y validación del modelo. 7. Presentar conclusiones y recomendaciones prácticas que aporten valor añadido a las RdSA.
IA para detección de daños en edificios y generación de informes
Aplicar técnicas de ML al reconocimiento de daños en edificios, explorando modelos VLM e implementando estrategias RAG para generación de informes, integrando los resultados en una aplicación funcional. Actividades: Análisis y preparación del dataset etiquetado de lesiones. Entrenamiento y evaluación de modelos de clasificación de imágenes Pruebas modelos VLM para detección multimodal imagen-texto. Diseño módulo LLM-RAG generación informes de peritaje. Validación resultados, generación prototipos o informes técnicos finales.
Modelos de segmentación implementados en Python/PyTorch para analizar imágenes de polen y evaluar la viabilidad entre variedades de cucurbitáceas.
El estudiante aplicará modelos de segmentación implementados en Python/PyTorch para analizar imágenes de polen y evaluar la viabilidad entre variedades de cucurbitáceas. Realizará tareas de preprocesado, ejecución del modelo, extracción de métricas y análisis estadístico de resultados, integrando conocimientos de biotecnología, agro ingeniería e informática aplicada en un entorno de investigación real.
Aplicación de la IA para la gestión y conservación de fauna amenazada: estudiando la población del rorcual común (Balaenoptera physalus) en el Mediterráneo
Desarrollar habilidades en análisis de datos biológicos, aplicar IA con fines de conservación, comprender métodos de estimas poblacionales y fortalecer pensamiento crítico a la hora de analizar los datos. Procesará imágenes de rorcuales para identificar ejemplares, aplicará técnicas de reconocimiento individual, organizará bases de datos, implementará el método de captura-recaptura para estimar la población mediterránea, comunicará resultados a través de informes técnicos, fomentando habilidades interdisciplinarias y trabajo colaborativo.
Modelos predictivos basados en inteligencia artificial capaces de estimar la demanda energética futura de las instalaciones ganaderas
Este proyecto formativo tiene el objetivo de integrar datos energéticos, ambientales y productivos a través del uso de modelos de IA que permitan una estimación de la futura demanda energética de las instalaciones. Actividades: Uso y programación de sistemas IoT para la monitorización de consumos energéticos en una granja porcina, tratamiento de datos, desarrollo de algoritmos para la estimación de la demanda energética futura en función de diferentes variables, tanto ambientales como productivas.
Sistema de Detección de Intrusiones orientado a redes IoT en el contexto de ciudades inteligentes
Prototipado de un Sistema de Detección de Intrusiones orientado a redes IoT en el contexto de Smart Cities aborda la seguridad de infraestructuras urbanas conectadas, donde sensores, semáforos, alumbrado público, contadores inteligentes y sistemas de gestión del transporte dependen de comunicaciones fiables y protegidas. Reproduciendo el comportamiento de estos dispositivos y capturando tráfico representativo, se entrenará un modelo de detección de anomalías capaz de identificar manipulaciones, accesos no autorizados o fallos operativos.
Técnicas computacionales, de machine learning y de simulación de procesos para analizar y relacionar información teórica y experimental, e implementarla de manera adecuada para optimizar procesos industriales complejos.
Los simuladores de procesos como HYSIS, ASPEN o PROMAX se utilizan ampliamente en las empresas de ingeniería química para el diseño y la optimización de plantas industriales con bajo riesgo y coste, pero su aplicación requiere un conocimiento detallado de los mecanismos y cinéticas de las reacciones implicadas. Obtener esa información experimentalmente tiene un coste elevado debido al gran número de medidas (tests catalíticos) que se requieren, por lo que se propone utilizar métodos computacionales (DFT en una primera etapa y potenciales ML posteriormente), para calcular los datos cinéticos que alimentarán la simulación de un proceso químico relevante, la deshidratación de isobutanol catalizada por una zeolita. Los resultados teóricos se validarán de manera continua y sistemática mediante comparación con datos experimentales generados en el laboratorio.