El trabajo de Fin de Máster es obligatorio y supone un total de 16 créditos (ECTS).
NORMATIVA
- Los miembros de la Comisión de Investigación realizarán la asignación de los Trabajos Fin de Máster, siguiendo la elección priorizada de temas realizada por los alumnos, tras finalizar el plazo de matrícula. Cuando dos o más alumnos soliciten un mismo tema, la priorización la realizará el profesor o profesores responsables del mismo.
- El cambio de asignación de asignaturas para la realización de los Trabajos Fin de Máster sólo se podrá solicitar excepcionalmente, argumentando por escrito las razones que impiden al alumno que así lo solicite, el desarrollo del Trabajo Fin de Máster. La Comisión de Investigación valorará dicha argumentación comunicando al alumno su decisión, previamente consensuada con el coordinador del Máster.
- La calificación de los Trabajos Fin de Máster se basará en el informe que emita el tutor de cada trabajo, que lo valorará con un máximo de 6 puntos. Los 4 puntos restantes se basarán en la calificación emitida por el tribunal o comisión, tras la defensa pública de los Trabajos Fin de Máster.
- La defensa pública de los Trabajos Fin de Máster se realizará virtual mediante mediante video-conferencia a través de la plataforma google meet. Los alumnos deberán tener obligatoriamente cuenta go.ugr.es para la defensa.
La normativa general y específica del Trabajo Fin de Máster es:
IMPORTANTE: Una vez asignados los TFM. Es OBLIGACIÓN DEL ALUMNO contactar con el tutor asignado, mediante correo electrónico para iniciar la realización del TFM.
El correo electrónico de los tutores está disponible en la ficha del TFM asignado.
CALENDARIO CURSO 2025-2026
EXPOSICIÓN DE LÍNEAS DE TFM
Entre el 20 y el 24 de octubre de 2025, se podrá solicitar a los tutores información sobre las líneas de investigación y los tutores podrán exponer, mediante videoconferencia las líneas de trabajo que se ofertarán para la realización del TFM derivadas de los cursos impartidos en el primer y segundo semestre.
SOLICITUD
Del 27 al 31 de octubre de 2025 los alumnos matriculados en el TFM deberán rellenar el formulario de elección priorizada, que estará disponible tanto en la página web del máster como en el curso de docencia de Trabajos Fin de Master. En dicho formulario deberán especificar por orden sus preferencias para la realización del TFM, en los TFMs asociados a alguno de los cursos en que se hayan matriculado. En cualquier caso, deberán atender a las especificaciones realizas por los tutores (que estarán establecidas en cada una de las propuestas de TFM) para la correcta realización del trabajo y no solicitar aquellos trabajos en los que no cumplan las restricciones establecidas.
Del 13 al 17 de abril de 2026 se abrirá un periodo extraordinario de asignación de TFM para aquellos alumnos que no lo solicitarán en el primer periodo o que por causas justificadas deseen cambiar de línea de investigación. En caso de cambio de línea de TFM solo se podrá elegir entre los TFM que en ese momento estén libres.
ASIGNCIONES
Las asignaciones de los trabajos se comunicarán a los alumnos entre el 3 y el 7 de noviembre de 2025
CALENDARIO
- Convocatoria especial (antigua convocatoria de diciembre)
- Depósito de los trabajos: hasta las 14:00 horas del 30 de enero de 2026.
- Defensa pública: entre el 9 y el 13 de febrero de 2026.
- Convocatoria ordinaria de junio
- Depósito de los trabajos: hasta las 14:00 horas del 19 de junio de 2026.
- Defensa pública: entre el 29 de junio y el 3 de julio de 2026.
- Convocatoria extraordinaria de septiembre
- Depósito de los trabajos: hasta las 14:00 horas del 31 de julio de 2026.
- Defensa pública: entre el 7 y el 11 de septiembre de 2026.
SOLICITUD
El alumno deberá rellenar el formulario indicando sus prioridades y enviarlo a la coordinación del Máster a través del curso habilitado en PRADO: Trabajo fin de Máster:
- Formulario solicitud TFM (doc)
- El alumno debe enviar la solicitud, rellenando 20 TFM ordenados según su preferencia.
- Los alumnos que tuvieran asignado el TFM en cursos anteriores deben confirmar con el tutor que mantienen el TFM asignado previamente y enviar nuevamente la solicitud indicando que mantiene ese TFM.
- Las guias docentes de cada una de las líneas ofertadas se muestran a continuación. El alumno deberá leer las guías docentes y comprobar que CUMPLE LOS REQUISITOS EXIGIDOS antes de solicitarla.
- El plazo de entrega de la solicitud es entre el 27 al 31 de octubre de 2025.
EVALUACIÓN
El máster no finalizará hasta la presentación y defensa del Trabajo Fin de Máster, que será realizada en cualquiera de las convocatorias establecidas para ello. La realización y evaluación de los Trabajos Fin de Máster del Máster en Estadística Aplicada vendrá regulada por las Directrices de la universidad de granada para el desarrollo de la asignatura trabajo fin de máster
Trámites a seguir
El trabajo completo deberá ser depositado por el alumno a través de la plataforma Moodle, en el enlace habilitado para tal fin en el curso TRABAJO FIN DE MÁSTER
La documentación de los trabajos deberá ser entregada por el tutor por correo electrónico en la dirección muea@ugr.es con antelación a la fecha de defensa del Trabajo. La documentación depositada deberá incluir:
- Informe del tutor del trabajo (sin evaluación) y autorización para su defensa.
- Rúbrica de evaluación del tutor.
- Acta interna.
La coordinación del máster debe recibir el trabajo completo en formato pdf (TFM_apellidos alumno.pdf), que incluirá un resumen de extensión máxima tres páginas, mediante el espacio habilitado en la plataforma PRADO, en el curso TRABAJO FIN DE MÁSTER.
Los profesores del máster tendrán acceso a todos los trabajos presentados a través de un acceso web que se habilitará una vez hayan sido depositados. Dichos trabajos permanecerán expuestos hasta la fecha de su defensa, pudiendo ser consultados por los profesores del Máster que lo deseen, y que podrán hacer alegaciones a los mismos en el plazo que se habilite según la convocatoria.
Una vez constituidos los tribunales, siguiendo el orden establecido a comienzo del curso, estos acordarán una fecha de defensa dentro del periodo asignado para las defensas. El sistema de defensa será siempre de forma virtual.
CONVOCATORIA ESPECIAL. FEBRERO 2026.
TRIBUNAL 1
| MIEMBROS |
|---|
|
Pedro Carmona Sáez |
|
Manuel Escabias Machuca (Presidente) |
|
Francisco Javier Esquivel Sánchez (Secretario) |
| FECHA Y HORA | ENLACE |
|---|---|
| Miércoles 11 de febrero, 10:00 | https://meet.google.com/xmy-gzhx-xcn |
| ALUMNO | TRABAJO | TUTOR |
|---|---|---|
| Inmaculada Agredano Espinal | Análisis Multivariante para el análisis de datos de una encuesta sobre perfiles STEAM en estudiantes |
Nuria Rico Castro |
| Pablo Ayala Ortiz | Estadística espacial: fundamentos y aplicaciones |
José Luis Romero Béjar |
| Ángel Cano Lanzarote | Modelización estocástica de fenómenos dinámicos de crecimiento mediante procesos de difusión |
Francisco de Asís Torres Ruiz |
|
Iratxe Iriondo Arrieta Actuará en primer lugar |
Introducción a los Random Forest |
Ramón Gutiérrez Sánchez |
| María Vela Felardo | Aplicación de técnicas de machine learning con R a problemas de predicción y clasificación |
Ramón Gutiérrez Sánchez |
TRIBUNAL 2
| MIEMBROS |
|---|
|
Ramón Ferri García (secretario) |
|
María Luz Gámiz Pérez |
|
María Jesús García-Ligero Ramírez (presidenta) |
| FECHA Y HORA | ENLACE |
|---|---|
| Viernes 13 de febrero a las 11:00 | https://meet.google.com/utj-vncs-ijo |
| ALUMNO | TRABAJO | TUTOR |
|---|---|---|
| Isaac Gutiérrez Zaragoza | Análisis de Datos Categóricos. Modelos Lineales Generalizados |
Francisco Javier Esquivel Sánchez y José Luis Romero Bejar |
| Salma Lamari | Técnicas de Multidimensional Scaling para grandes conjuntos de datos Un estudio comparativo |
José Fernando Vera Vera |
| Bin Liu |
Análisis de datos funcionales con procesos gaussianos: metodología y aplicaciones en meteorología y energía |
Manuel Escabias Machuca |
| Nieves Mayo Murube | Aplicación de técnicas estadísticas para el estudio de las asociaciones con la desnutrición y la inseguridad alimentaria a nivel mundial. | Úrsula Torres Parejo |
TRABAJOS ASIGNADOS Y LIBRES (5/11/2025)
| TUTOR/ES | TÍTULO DEL TRABAJO | PLAZAS LIBRES | OFERTADAS | ALUMNOS ASIGNADOS |
| Acal González, Christian José (chracal@ugr.es) | Ampliación de Análisis de Datos Funcionales | 1 | 2 | David Boo Lamas |
| Aguilera del Pino, Ana María (aaguiler@ugr.es) | Ampliación de Análisis de Datos Funcionales | 2 | 3 | Diana Patricia García Reina |
| Aguilera del Pino, Ana María (aaguiler@ugr.es) y Rodríguez Bouzas, Paula (paula@ugr.es) | Procesos de recuento y análisis de datos funcionales | 0 | 1 | Alberto Martínez Ríos |
| Alonso Morales, Francisco J. (falonso@ugr.es) | Series Temporales Avanzadas | 0 | 2 | Alfonso Herruzo Cardador y Laura Ortiz Lavín |
| Alonso Morales, Francisco J. (falonso@ugr.es) | Series Temporales Aplicadas | 0 | 2 | Laura Bermúdez Villaescusa y César Gallego Acedo |
| Angulo Ibáñez, José Miguel (jmangulo@ugr.es) y Madrid García, Ana Esther (anaesther@ugr.es) | Modelos espacio-temporales. Evaluación de riesgos en Geofísica y Medio Ambiente | 6 | 6 | |
| Arnedo Fernández, Francisco Javier (arnedo@ugr.es) | Entornos de Computación Estadística para Business Intelligence (BI) | 0 | 1 | Brayan Aandrés Lemache Hernández |
| Arnedo Fernández, Francisco Javier (arnedo@ugr.es) | Entornos de Computación Estadística para Redes Neuronales Artificiales | 0 | 1 | Ester Aguilar Muñiz |
| Arnedo Fernández, Francisco Javier (arnedo@ugr.es) | Entornos de Computación Estadística para Modelado de Ecuaciones Estructurales | 0 | 1 | Mehmet GUDELEK |
| Carmona Sáez, Pedro (pacarmona@ugr.es) | Revisión de técnicas de meta-análisis y metarregresión en R | 0 | 1 | Miguel Ángel Cumplido Pavón |
| Carmona Sáez, Pedro (pacarmona@ugr.es) y Femia Mazo, Pedro (pfemia@ugr.es) | Evaluación de modelos de clasificación binaria en diagnóstico médico: revisión de métricas y desarrollo de una herramienta interactiva en R | 0 | 2 | Lara Juncal Blanco y Clara Martínez Pérez |
| Escabias Machuca, Manuel (escabias@ugr.es) | Ampliación de Análisis de Datos Funcionales | 0 | 1 | Bin Liu |
| Escabias Machuca, Manuel (escabias@ugr.es) | Ampliación de modelos de respuesta discreta | 0 | 1 | Lucía Hernández García |
| Esquivel Sánchez Francisco Javier (jesquivel@ugr.es) y Romero Béjar, José Luis (jlrbejar@ugr.es) | Análisis de Datos Categóricos. Modelos Lineales Generalizados | 0 | 1 | Isaac Gutiérrez Zaragoza |
| Ferri García, Ramón (rferri@ugr.es) y Rueda García, María del Mar (mrueda@ugr.es) | Tratamiento de la falta de respuesta en encuestas mediante verosimilitud empírica. Aplicación a un estudio sobre percepción de la estadística en la juventud. | 0 | 1 | Carmen Plata Fernández |
| Gámiz Pérez, María Luz (mgamiz@ugr.es) | Análisis de tiempos de vida mediante procesos de recuento | 0 | 1 | Narazet Pacheco Vázquez |
| Gámiz Pérez, María Luz (mgamiz@ugr.es) y Segovia García, María del Carmen (msegovia@ugr.es) | Análisis de datos operativos de una máquina industrial | 1 | 2 | Paula Noblejas Ozáez |
| Gámiz Pérez, María Luz (mgamiz@ugr.es) y Segovia García, María del Carmen (msegovia@ugr.es) | Fiabilidad y mantenimiento de sistemas Markovianos con estados ocultos | 0 | 1 | Javier Ojeda Baena |
| García-Ligero Ramírez, María Jesús (mjgarcia@ugr.es) | Predicción, filtrado y suavizamiento en sistemas lineales discretos usando un modelo espacio de estados | 1 | 1 | |
| García-Ligero Ramírez, María Jesús (mjgarcia@ugr.es) | Estimación distribuida para sistemas con múltiples sensores | 1 | 1 | |
| García-Ligero Ramírez, María Jesús (mjgarcia@ugr.es) | Estimación centralizada de señales observadas desde múltiples sensores | 1 | 1 | |
| García-Ligero Ramírez, María Jesús (mjgarcia@ugr.es) | Estimación en sistemas en los que las medidas pueden estar afectadas por interrupciones aleatorias. | 1 | 1 | |
| Gutiérrez Sánchez, Ramón (ramongs@ugr.es) | Introducción a las máquinas de vector soporte (SVM) en aprendizaje supervisadeo n R y phyton | 0 | 1 | Javier Ángel Fernández y Pablo Romero Ramírez |
| Gutiérrez Sánchez, Ramón (ramongs@ugr.es) | Introducción a los árboles de decisión en R y phyton | 0 | 1 | Celia Gamo Tello |
| Gutiérrez Sánchez, Ramón (ramongs@ugr.es) y Ramos Ábalos, Eva (ramosa@ugr.es) | Introducción a los Random Forest en R y phyton | 0 | 1 | Iratxe Iriondo Arrieta |
| Gutiérrez Sánchez, Ramón (ramongs@ugr.es) y Ramos Ábalos, Eva (ramosa@ugr.es) | Introducción a los Naive Bayes como técnica de clasificación en R y phyton | 0 | 1 | Edwin Ramiro Hernandez Herrera |
| Gutiérrez Sánchez, Ramón (ramongs@ugr.es) y Ramos Ábalos, Eva (ramosa@ugr.es) | Técnicas de clasificación con R o Python | 0 | 3 | María Cristina Roldan Cobo, María Vela Fajardo y Pedro Porras Del Río |
| Luna del Castillo , Juan de Dios (jdluna@ugr.es) y Montero Alonso, Miguel Ángel (mmontero@ugr.es) | Modelos estadísticos de ranking: aplicación a datos reales | 0 | 1 | Álvaro Meca Mondejar |
| Luna del Castillo , Juan de Dios (jdluna@ugr.es) y Montero Alonso, Miguel Ángel (mmontero@ugr.es) | Métodos estadísticos para la estimación de la prevalencia poblacional de la enfermedad | 0 | 1 | Francisco Castaño Martínez |
| Luque Fernández, Miguel Ángel (mluquefe@ugr.es) | Precisión y Sesgo de los métodos de Inferencia causal en el control de la confusión versus métodos clásicos de regresión en estudios observacionales | 0 | 1 | Gustavo Rivas Gervilla |
| Luque Fernández, Miguel Ángel (mluquefe@ugr.es) y Melchor Rodríguez, Juan Manuel (jmelchor@ugr.es) | Estadística Inferencial en Machine Learning | 0 | 1 | Silvia Duque Moro |
| Martínez Miranda, María Dolores (mmiranda@ugr.es) | Estimación KDE: fundamentos y aplicaciones | 0 | 2 | Younes Aberkan El Hajui y Juan Rubio Cobeta |
| Martínez Miranda, María Dolores (mmiranda@ugr.es) | Regresión no paramétrica: fundamentos y aplicaciones | 0 | 1 | Raquel Macías Maldonado |
| Montero Alonso, Miguel Ángel (mmontero@ugr.es) y Melchor Rodríguez, Juan (jmelchor@ugr.es) | Ensayos clínicos adaptativos | 0 | 1 | Halbert Hernández Negrin |
| Morales Álvarez, Pablo (pablomorales@ugr.es) | Redes neuronales para problemas de regresión: formulación y utilización en Pytorch | 0 | 1 | Javier Iglesias Martínez |
| Raya Miranda, Rocío (rraya@ugr.es) | Regresión de mínimos cuadrados parciales. Tratamiento computacional | 0 | 1 | Andrés Alejandro Ysturiz Caldeira |
| Raya Miranda, Rocío (rraya@ugr.es) y Navas Gómez, Fernando J. (fjnavas@ugr.es) | Comparación entre técnicas paramétricas y no paramétricas en análisis de fiabilidad: una aplicación con métodos de minería de datos | 0 | 2 | David Alejandro Lopez Fajardo y Susana López Sánchez |
| Rico Castro, Nuria (nrico@ugr.es) | Estudio y aplicación del análisis cluster | 0 | 2 | Inmaculada Agredano Espinal y Daniel Armenteros García |
| Roldán López de Hierro, Antonio Francisco (aroldan@ugr.es) | Una medida de varianza canónica para números difusos triangulares: Aplicación y desarrollo en R | 0 | 1 | Miguel Ángel Avellaneda Roldan |
| Roldán López de Hierro, Antonio Francisco (aroldan@ugr.es) | Modelos de regresión para datos de conteo | 0 | 1 | Naore López Gómez |
| Roldan No Fuentes, José Antonio (jaroldan@ugr.es) | Estimación de parámetros en presencia de datos faltantes mediante el método MICE: aplicaciones al diagnóstico médico | 0 | 1 | Cibeles Martín Seisdedos |
| Roldan No Fuentes, José Antonio (jaroldan@ugr.es) | Estimación de las razones de verosimilitudes de un test diagnóstico binario bajo distintos tipos de diseño muestral | 0 | 1 | Amaia Melguizo Marcos |
| Roldan No Fuentes, José Antonio (jaroldan@ugr.es) | Algoritmos EM y SEM: aplicaciones al diagnóstico médico | 0 | 1 | Fabio Adrian Torres Aguilar |
| Román Montoya, Yolanda (yroman@ugr.es) | Análisis estadísticos con R. Aplicaciones | 0 | 1 | Francisco Márquez |
| Román Montoya, Yolanda (yroman@ugr.es) | Fiabilidad y calibración de modelos Deep Learning y su aplicación al procesamiento del lenguaje natural | 0 | 1 | Blanca Pulido Fernández |
| Romero Béjar, José Luis (jlrbejar@ugr.es) | Estadística espacial: fundamentos y aplicaciones | 0 | 1 | Pablo Ayala Ortiz |
| Romero Béjar, José Luis (jlrbejar@ugr.es) y Esquivel Sánchez, Francisco Javier (jesquivel@ugr.es) | Análisis de Datos Categóricos. Modelos Lineales Generalizados | 0 | 1 | Marina Bolado Penagos |
| Romero Béjar, José Luis (jlrbejar@ugr.es) y Esquivel Sánchez, Francisco Javier (jesquivel@ugr.es) | Fundamentos y Aplicación de la Gestión Cuantitativa del Riesgo | 0 | 1 | Nicolás López Romero |
| Romero Molina, Desirée (deromero@ugr.es) | Estudio y aplicación de un proceso de difusión asociado a una curva de crecimiento a datos reales. | 0 | 1 | Álvaro Rodríguez Gallardo |
| Romero Molina, Desirée (deromero@ugr.es) | Estudio de la técnica multivariante de Correlaciones Canónicas. Aplicación a datos Reales. | 0 | 1 | Eli Misael, Godinez Martínez |
| Romero Molina, Desirée (deromero@ugr.es) u Marina Lacasaña Navarro (Escuela Andaluza de Salud Pública (EASP)) | Análisis de datos sobre exposición a contaminantes ambientales y efectos en salud | 0 | 1 | Francisco José Espinosa Solís |
| Rueda García, María del Mar (mrueda@ugr.es) y Cobo Rodríguez, Beatriz | Encuesta para el estudio de tendencias de suicidio en población joven | 0 | 2 | Beatriz Rodríguez Albértuz y Bramkliem Véli Nuñez |
| Rueda García, María del Mar (mrueda@ugr.es) y Ferri García, Ramón (rferri@ugr.es) | Métricas e indicadores de sesgo en las estimaciones procedentes de encuestas No probabilisticas | 1 | 1 | Ramón Bee Engonga |
| Rueda García, María del Mar (mrueda@ugr.es) y Martínez Puertas, Sergio (spuertas@ual.es) | Estimación de medidas de pobreza | 0 | 1 | Carmen Beltran Chably |
| Rueda García, María del Mar (mrueda@ugr.es) y Rueda Sánchez, Jorge L (jorgerueda@ugr.es) | Método Bootstrap para la inferencia a partir de encuestas | 0 | 1 | Ysai José Ronquillo Mora |
| Rueda García, María del Mar (mrueda@ugr.es) y Rueda Sánchez, Jorge L (jorgerueda@ugr.es) | Simulación de datos sintéticos complejos para trabajar en encuestas | 0 | 1 | Claudia Izquierdo Noguero |
| Ruiz Castro, Juan Eloy (jeloy@ugr.es) | Análisis de tiempos de vida: Supervivencia y Fiabilidad | 1 | 1 | |
| Ruiz Castro, Juan Eloy (jeloy@ugr.es) | Modelos multi-estados en el campo de la Fiabilidad y Supervivencia | 0 | 1 | Juan Camilo Cabrera Losada |
| Ruiz Castro, Juan Eloy (jeloy@ugr.es) y Acal González, Christian José (chracal@ugr.es) | Análisis y estudio de tiempos de vida. Una visión práctica | 1 | 2 | Blanca Álvarez Vega |
| Ruiz Medina, María Dolores (mruiz@ugr.es) | Simulación de campos aleatorios | 4 | 4 | |
| Sáez Muñoz, José Antonio (joseasaezm@ugr.es) | Métodos de ponderación de características para clasificación con el algoritmo del cercano | 0 | 1 | Isabel Benítez Ariza |
| Sáez Muñoz, José Antonio (joseasaezm@ugr.es) | Mejora del rendimiento en problemas de regresión mediante técnicas de filtrado de ruido de la variable salida | 0 | 1 | Alejandro Madueño Gálvez |
| Sáez Muñoz, José Antonio (joseasaezm@ugr.es) | Técnicas de corrección de errores en datos categóricos en problemas de clasificación | 0 | 1 | Glen Freddy Robayo Cabrera |
| Sáez Muñoz, José Antonio (joseasaezm@ugr.es) | Incrementando la robustez al ruido en regresión con el uso de ensembles | 0 | 1 | Ángel Velázquez Bolívar |
| Sáez Muñoz, José Antonio (joseasaezm@ugr.es) | Métodos de remuestreo para el tratamiento de datos desbalanceados en problemas de clasficación | 0 | 1 | Javier Torrres Salgado |
| Sánchez Borrego, Ismael Ramón (ismasb@ugr.es) | Encuesta de afectados por esclerosis múltiple mediante el muestreo dirigido por los entrevistados RDS | 2 | 2 | |
| Serrano Pérez, Juan José (jjserra@ugr.es) | Aproximación numérica de densidades de tiempo de primer paso para procesos de difusión | 0 | 1 | José Luis Mira Valiente |
| Torres Parejo, Úrsula (ursula@ugr.es) | Aplicación de técnicas estadísticas para el estudio de las asociaciones con la desnutrición y la inseguridad alimentaria a nivel mundial. | 0 | 1 | Nieves Mayo Murube |
| Torres Parejo, Úrsula (ursula@ugr.es) | Estimación de los factores de mayor influencia en la desnutrición infantil en el Sahel, mediante técnicas de metaanálisis en red | 0 | 1 | Ana Isabel GallardoaCordovilla y María Gisela Vallejos Velarde |
| Torres Ruiz, Francisco de Asís (fdeasis@ugr.es) | Modelización estocástica de fenómenos dinámicos de crecimiento mediante procesos de difusión | 0 | 2 | Ángel Cano Lanzarote y y Jesús Jiménez Martínez |
| Torres Ruiz, Francisco de Asís (fdeasis@ugr.es) | Procesos de difusión gaussianos en la modelización de fenómenos de crecimiento. | 1 | 2 | Constanza PazTorres Rivera |
| Vera Vera, José Fernando (jfvera@ugr.es) | Análisis de datos (“Big-data”). Técnicas multidimensionales para datos de disimilaridad | 0 | 1 | Aner Orlay Zemanate Cordoba |
| Vera Vera, José Fernando (jfvera@ugr.es) | Análisis de datos de proximidad aplicado. Metodología y tratamiento computacional. | 0 | 1 | Pablo Sánchez Jiménez |
| Vera Vera, José Fernando (jfvera@ugr.es) | Análisis de datos (“Big-data”). Técnicas de Multidimensional Scaling aplicadas a datos de disimilaridad | 0 | 1 | Enrique García Garrido |
| Vera Vera, José Fernando (jfvera@ugr.es) | Análisis de datos (“Big-data”). Técnicas de Unfolding aplicadas a datos de datos de preferencia. | 0 | 1 | Nicolás Chenlo Andrade |
| Vera Vera, José Fernando (jfvera@ugr.es) | Análisis de datos de proximidad y su tratamiento computacional. | 1 | 1 |
TUTORES
Perfiles investigadores de los tutores principales de los TFM