Portal del coneixement obert de la UPC

Enviaments recents

• Carregant...

  Audiovisual Accés obert

  Jornada ‘Connecta Innovació: Universitat, Empresa i Futur’

  (2025-12-05)

  Més...

  La UPC ha acollit, el 2 de desembre, la jornada ‘Connecta Innovació: Universitat, Empresa i Futur’, destinada a reforçar els vincles entre el món acadèmic i el teixit empresarial mitjançant la creativitat i la innovació. L’acte ha comptat amb la participació de Ferran Adrià, una de les figures més influents del món gastronòmic i ambaixador de Telefónica des del 2010. Impulsada per la Càtedra Telefónica UPC-UPF, la jornada ha acollit la cloenda d’una gira que enguany també ha passat per Granada, Toledo i Las Palmas de Gran Canaria.

  Més...
• Carregant...

  Projecte Final de Màster Oficial Accés obert

  Guia de bones pràctiques en les adaptacions curriculars en les situacions d'aprenentatge

  (Universitat Politècnica de Catalunya, 2025-06-18) Estellés Díaz, Emma; Universitat Politècnica de Catalunya. Institut de Ciències de l'Educació

  Més...

  En aquest treball s'estudien les Necessitats Específiques de Suport Educatiu (NESE) a l'etapa educativa de l'Educació Secundària Obligatòria (ESO) a Catalunya, destacant la dislèxia i el trastorn per dèficit d'atenció amb hiperactivitat o sense (TDAH). S'estudien el marc normatiu vigent i les estadístiques referents a la presència d'aquests perfils en l'etapa de l'ESO. Posteriorment, s'exposen adaptacions didàctiques i metodològiques recomanades per l'atenció a aquest alumnat. A partir d'una situació d'aprenentatge concreta, es proposen adaptacions tenint en compte les directrius legals i pedagògiques i es dissenyen pautes orientadores per a l'adaptació a altres situacions d'aprenentatge, per tal de facilitar la tasca docent i afavorir la inclusió educativa.

  Més...
• Carregant...

  Treball Final de Grau Accés obert

  Movilidad como servicio (MaaS). Caso Barcelona

  (Universitat Politècnica de Catalunya, 2025-10-23) Vanegas Sánchez, Diego Alejandro; Universitat Politècnica de Catalunya. Departament d'Enginyeria Civil i Ambiental

  Més...

  Aquesta tesi analitza la viabilitat d’implementar un model de Mobility as a Service (MaaS) a l’Àrea Metropolitana de Barcelona, amb especial atenció a la seva zona tarifària 1. El MaaS és un enfocament innovador de la mobilitat urbana que integra diferents modes de transport —públics, privats, compartits i actius— en una única plataforma digital, permetent als usuaris planificar, reservar i pagar els seus trajectes de manera unificada. L’estudi comença amb una anàlisi comparativa de casos europeus de referència (Viena, Amsterdam i París), de la qual s’extreuen lliçons clau en matèria de governança, integració tecnològica i models tarifaris. A partir d’aquest marc, la recerca examina l’oferta actual de mobilitat a Barcelona, les condicions territorials i socioeconòmiques que influeixen en els patrons de desplaçament, i les oportunitats tecnològiques associades al sistema T-mobilitat. Posteriorment, es desenvolupa una proposta metodològica per al disseny i la implementació d’un model MaaS, que inclou fases de desplegament i un sistema tarifari flexible que prioritza el transport públic i incorpora bicicletes i motocicletes compartides. Els resultats indiquen que la introducció del MaaS a Barcelona pot reduir significativament la dependència del vehicle privat, disminuir les emissions i millorar l’eficiència en la mobilitat, en coherència amb els objectius de sostenibilitat de la ciutat. Tanmateix, també s’analitzen els reptes relacionats amb la seva implementació, com ara l’accessibilitat digital, l’adopció ciutadana i la viabilitat financera a llarg termini. En conjunt, aquesta recerca desenvolupa la hipòtesi que Barcelona pot reunir les condicions institucionals, infraestructurals i urbanes necessàries per esdevenir un referent en la implementació del MaaS al sud d’Europa.

  Més...
• Carregant...

  Treball Final de Grau Accés obert

  Visual analytics of music tracks

  (Universitat Politècnica de Catalunya, 2025-07-01) Fernández Valls, Mireia; Universitat Politècnica de Catalunya. Departament de Ciències de la Computació

  Més...

  En els últims anys, els serveis de música en streaming han evolucionat fins a un punt en què rastregen una gran quantitat de dades dels usuaris, com ara els nostres gustos i l'historial de reproducció, però la majoria d'aquestes aplicacions només ofereixen resums generals dels hàbits d'escolta dels usuaris o de les tendències globals, com ara Spotify Wrapped. Aquest projecte introdueix un panell web senzill que permet als usuaris de Spotify explorar i obtenir informació sobre els seus propis hàbits d'escolta, comparar-los amb les tendències globals i amb amics. El projecte integra un back end que recull noms de cançons i puntuacions de popularity de l'API de Spotify i un front end que relaciona els noms de les cançons amb característiques d'àudio, emmagatzemades en arxius CSV, per tal d'oferir un panell amb moltes mètriques i visualitzacions. Les mètriques revelen com es compara un usuari amb les mitjanes globals, com de populars són les seves cançons, com de variat és el perfil de cançons i com es manté fidel al seu so mitjà. Els usuaris poden explorar distribucions de tempo, duration, loudness, key, mode i més característiques mitjançant bar charts clars, donut charts i radar charts, a més de facilitar comparacions paral·leles. Scatter plots i bullet charts amb el càlcul del valor r de Pearson revelen la correlació entre altres característiques i la popularity, mentre que els heatmaps ofereixen una visió clara de les intercorrelacions entre totes les característiques. Controls interactius com desplegables, caselles de selecció o la barra lateral del web permeten a l'usuari canviar de característiques al moment, i el disseny s'adapta sense problemes a qualsevol mida de pantalla. En casos reals d'ús, el panell mostra que els usuaris poden seguir sovint patrons dels èxits globals però també fer lloc a cançons més llargues, més sorolloses o enregistrades en directe, i que els perfils d'escolta d'amics poden diferir de maneres interessants. Com a resultat, aquesta eina cobreix un buit oferint als oients una manera d'explorar i entendre els seus patrons d'escolta tant per les tendències compartides com per les preferències úniques.

  Més...
• Carregant...

  Treball Final de Grau Accés obert

  High-resolution reconstruction of historical land surface data with machine learning

  (Universitat Politècnica de Catalunya, 2025-06-27) Millán Iglesias, Enric; Barcelona Supercomputing Center; Universitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions

  Més...

  L'Índex de Superfície Foliar (LAI, per les seves sigles en anglès) és una mètrica adimensional que quantifica l'àrea total de fulles verdes (d'una sola cara) per unitat de superfície del sòl. És una variable clau en la modelització climàtica i ecològica, ja que afecta directament processos com la fotosíntesi, l'evapotranspiració i l'intercanvi d'energia entre la superfície terrestre i l'atmosfera. Tot i que les observacions per satèl·lit modernes proporcionen estimacions fiables del LAI, aquests registres només cobreixen unes poques dècades. Per això, és essencial reconstruir amb precisió el LAI històric per comprendre la dinàmica de la vegetació a llarg termini i millorar la fiabilitat dels models climàtics en escales temporals prolongades. Aquesta tesi es basa en un treball previ que va utilitzar eXtreme Gradient Boosting (XGBoost), un algoritme d'aprenentatge automàtic molt potent i àmpliament emprat per a dades estructurades, per reconstruir el LAI històric. Per facilitar l'exploració d'alternatives d'aprenentatge profund, el flux d'entrenament original -desenvolupat per a XGBoost- es va reimplementar utilitzant PyTorch, un entorn d'aprenentatge profund de codi obert reconegut per la seva flexibilitat i rendiment. La nova implementació modular va reduir la mida de l'script principal a menys de la meitat, en va millorar el manteniment i en va augmentar la qualitat, obtenint una puntuació perfecta de 10.0/10 segons Pylint, una eina d'anàlisi estàtica del codi que garanteix el compliment dels estàndards de Python. Sobre aquesta base, la tesi investiga l'ús de Xarxes Neuronals Recurrents (RNN), una arquitectura d'aprenentatge profund especialment adequada per modelar dades seqüencials, per a la reconstrucció del LAI històric. Els models s'han provat en tres regions geogràfiques diferents: una caracteritzada per vegetació densa i valors alts de LAI constants, una altra amb vegetació escassa i valors baixos, i una tercera amb un paisatge més heterogeni i una distribució del LAI més variada. Els resultats mostren que els models d'aprenentatge profund aconsegueixen un rendiment predictiu comparable respecte al model de referència, tot reduint el temps d'entrenament en més del 50\% i requerint menys recursos computacionals de manera consistent. A més, s'han dut a terme diversos estudis addicionals per analitzar la capacitat de generalització i la robustesa de l'enfocament de modelització. Aquests han inclòs entrenament conjunt entre regions, anàlisi dels efectes de la mida del conjunt d'entrenament i transformacions per tractar distribucions asimètriques del LAI. Els resultats indiquen que els models independents per regió ofereixen actualment el millor rendiment, que augmentar la quantitat de dades d'entrenament millora generalment la precisió del model, i que, tot i que la transformació logarítmica no ha aportat millores significatives, suggereix que altres tècniques per abordar l'asimetria de les dades podrien ser útils.

  Més...