El viernes 18 de octubre se entregaron los premios a los mejores Trabajos Fin de Grado en Big Data y Ciberseguridad del Aula Oesía Universidad de Castilla – La Mancha de la Escuela Superior de Ingeniería Informática. La creación del Aula Oesía-UCLM de Big Data y Ciberseguridad se plantea como una forma de colaboración de la UCLM con Grupo Oesía que tiene como objetivo la realización de actividades de docencia, difusión y transferencia del conocimiento en las áreas de Big Data y Ciberseguridad. Ambas áreas de conocimiento son de gran interés para las dos instituciones y también para el entorno económico y social, contribuyendo con la innovación a construir una sociedad mejor, más eficiente, más justa y más segura.
En esta primera edición se otorgan los premios a los mejores TFGs defendidos durante el curso académico 2018-2019, cuyas temáticas están relacionadas con ciberseguridad y big data. La entrega de premio corrió a cargo de Tomás Martínez, Director Territorial de la sede de Valdepeñas del Grupo Oesía, en el acto de graduación de la Escuela Superior de Ingeniería Informática.
El premio al mejor TFG en ciberseguridad fue para Eduardo Coloma González. El trabajo se centra en el despliegue de una topología Internet of Thing (IoT) formada por sensores, actuadores, raspberry que simulan un escenario real para su análisis de seguridad. El objetivo del TFG es poder detectar y corregir las vulnerabilidades que afectan a esta tecnología. Con la infraestructura propuesta, se podrán capturar las comunicaciones de dispositivos IoT, impedir su correcta comunicación o incluso falsificar los datos que se transmiten por la red. Dado que para aprender a defenderse ante fallos de seguridad primeramente han de identificarse cuales son las vulnerabilidades existentes en una tecnología, este TFG supone una ayuda para la protección de sistemas.
El premio al mejor TFG en Big data recayó en Bernardo Martínez Parras. Este TFG se ha centrado en el análisis de la información recopilada en una red social (Yelp) con respecto a la actividad de cerca de 175.000 restaurantes. Mediante técnicas de procesamiento del lenguaje natural y aprendizaje automático, el alumno ha elaborado un modelo a partir de cerca de siete millones de comentarios de los usuarios. Éste ha permitido identificar áreas concretas de interés, así como establecer relaciones entre éstas, las valoraciones, y los tipos de negocio.