DSpace Colección :http://hdl.handle.net/11531/16822026-06-20T12:00:56Z2026-06-20T12:00:56ZEl fin de los Estados de facto: la República Chechena de Ichkeria y la República de Nagorno-KarabajDrobota Molina, Ioanahttp://hdl.handle.net/11531/1107502026-06-17T10:16:28Z2026-01-01T00:00:00ZTítulo : El fin de los Estados de facto: la República Chechena de Ichkeria y la República de Nagorno-Karabaj
Autor : Drobota Molina, Ioana
Resumen : Chechenia —reintegrada por la fuerza en Rusia en 2000— y Nagorno-Karabaj —disuelta tras la operación militar azerbaiyana de septiembre de 2023 y formalmente extinta el 1 de enero de 2024— son los dos únicos casos de la «primera generación» de Estados de facto postsoviéticos que han desaparecido mediante reintegración forzosa en su Estado matriz. Pese al resultado común, ambos casos parten de presupuestos radicalmente opuestos: Chechenia colapsó primero internamente y fue invadida después, mientras que Nagorno-Karabaj era uno de los Estados de facto con mejor gobernanza y cohesión interna. Ello permite sopesar las variables que explican el final del ciclo de vida de cada entidad, con el propósito de extraer elementos predictivos relevantes para los Estados de facto supervivientes en la zona, a saber: Transnistria, Abjasia y Osetia del Sur.; Estados de facto, espacio postsoviético, Chechenia, Nagorno-Karabaj, Estado patrón.
Descripción : Grado en Derecho y Grado en Relaciones Internacionales2026-01-01T00:00:00ZLLM-Based Email ManagementArroyo García, Javierhttp://hdl.handle.net/11531/1107492026-06-15T15:06:45Z2026-01-01T00:00:00ZTítulo : LLM-Based Email Management
Autor : Arroyo García, Javier
Resumen : El correo electrónico continúa siendo uno de los principales canales de
entrada de información en las grandes organizaciones del sector asegurador,
donde la gestión manual de altos volúmenes de mensajes con adjuntos
heterogéneos representa un cuello de botella operativo significativo. El
presente Trabajo de Fin de Máster aborda el diseño e implementación de una
solución end-to-end para la gestión automatizada de buzones corporativos
basada en Large Language Models (LLMs), desplegada sobre una arquitectura
serverless en AWS dentro del entorno corporativo de MAPFRE.
El sistema implementa un pipeline desacoplado de funciones Lambda
especializadas que cubre la ingesta de correos, la extracción y
procesamiento de adjuntos mediante una estrategia híbrida que combina
técnicas clásicas de OCR con las capacidades multimodales del modelo, la
clasificación documental contra un catálogo definido por negocio, la
extracción del número de referencia del siniestro y el reenvío al sistema
transaccional. La adaptación del modelo se ha resuelto íntegramente mediante
prompt engineering iterativo, evitando el coste y la rigidez del fine-tuning
y permitiendo ajustar el comportamiento del sistema en ciclos cortos de
validación conjunta con el equipo de tramitadores. El diseño contempla la
generalización a nuevos buzones corporativos mediante un loader pattern,
mecanismos de resiliencia que garantizan la no pérdida de información, un
plan de contingencia para escenarios de fallo total del servicio, y
monitorización en dos capas --- técnica mediante Amazon CloudWatch y
funcional mediante dashboards en Power BI.
La evaluación del sistema sobre batches reales de correos del buzón piloto
evidencia una mejora sustancial frente a la solución basada en NLP clásico
que se sustituye, validando tanto la viabilidad técnica como el potencial
impacto operativo de la aproximación propuesta.; Email remains one of the primary channels through which information enters
large organizations in the insurance sector, where the manual handling of
high volumes of messages with heterogeneous attachments represents a
significant operational bottleneck. This Master's Thesis addresses the
design and implementation of an end-to-end solution for the automated
management of corporate mailboxes based on Large Language Models (LLMs),
deployed on a serverless architecture on AWS within MAPFRE's corporate
environment.
The system implements a decoupled pipeline of specialized Lambda functions
covering email ingestion, the extraction and processing of attachments
through a hybrid strategy that combines classical OCR techniques with the
multimodal capabilities of the model, document classification against a
business-defined catalogue, the extraction of the claim reference number,
and forwarding to the transactional system. Model adaptation has been
resolved entirely through iterative prompt engineering, avoiding the cost
and rigidity of fine-tuning and allowing the system's behaviour to be
adjusted in short cycles of joint validation with the claims-handling team.
The design considers generalization to new corporate mailboxes through a
loader pattern, resilience mechanisms that guarantee no loss of
information, a contingency plan for total service failure scenarios, and
two-layer monitoring --- technical through Amazon CloudWatch and functional
through Power BI dashboards.
The evaluation of the system on real batches of emails from the pilot
mailbox shows a substantial improvement over the classical NLP-based
solution it replaces, validating both the technical feasibility and the
potential operational impact of the proposed approach.
Descripción : Máster Universitario en Big Data2026-01-01T00:00:00ZSistema multi-agente para el entrenamiento y optimización de modelos de Machine Learning basado en los protocolos MCP y A2AValverde Gómez, Danielhttp://hdl.handle.net/11531/1105732026-06-08T16:39:17Z2026-01-01T00:00:00ZTítulo : Sistema multi-agente para el entrenamiento y optimización de modelos de Machine Learning basado en los protocolos MCP y A2A
Autor : Valverde Gómez, Daniel
Resumen : En este trabajo se aborda el diseño e implementación de la capa de ejecución de un sistema multi-agente para la automatización del pipeline de Machine Learning. Partiendo de la infraestructura de comunicación establecida en el trabajo previo (basada en los protocolos Model Context Protocol (MCP) y Agent-to-Agent (A2A)), este trabajo se centra en los tres servidores MCP que implementan las capacidades de ML del sistema: el Data MCP Server, el ML MCP Server y el Evaluation MCP Server.
El Data MCP Server implementa el ciclo completo de preparación de datos, incluyendo análisis exploratorio, detección de problemas, preprocesamiento y partición del dataset. El ML MCP Server expone un catálogo de algoritmos de Machine Learning (regresión y clasificación) con optimización de hiperparámetros y registro de experimentos. El Evaluation MCP Server calcula métricas estándar para clasificación y regresión, compara modelos entre ejecuciones históricas y genera reportes automáticos en lenguaje natural con el razonamiento completo del pipeline.
El sistema se evalúa sobre cuatro datasets de benchmark y se compara con tres sistemas AutoML clásicos de referencia: AutoGluon, auto-sklearn2 y FLAML. Los resultados demuestran que el sistema propuesto puede producir modelos de calidad comparable a los sistemas AutoML tradicionales en tiempos competitivos, aportando además justificación explícita de cada decisión y trazabilidad completa del proceso. Las diferencias de rendimiento observadas son atribuibles al catálogo de herramientas disponible, no a la calidad del razonamiento del agente LLM, que seleccionó el algoritmo óptimo dentro del catálogo disponible en todos los casos evaluados.; This work addresses the design and implementation of the execution layer of a multi-agent system for Machine Learning pipeline automation. Building upon the communication infrastructure established in the previous work (based on the Model Context Protocol (MCP) and Agent-to-Agent (A2A) protocols), this work focuses on the three MCP servers that implement the system's Machine Learning capabilities: the Data MCP Server, the ML MCP Server, and the Evaluation MCP Server.
The Data MCP Server implements the complete data preparation lifecycle, including exploratory data analysis, issue detection, preprocessing, and dataset splitting. The ML MCP Server exposes a catalog of Machine Learning algorithms (for both regression and classification), featuring hyperparameter optimization and experiment tracking. The Evaluation MCP Server computes standard classification and regression metrics, compares models across historical runs, and generates automatic natural-language reports containing the complete reasoning behind the pipeline.
The system is evaluated on four benchmark datasets and compared against three established AutoML baselines: AutoGluon, auto-sklearn2, and FLAML. The results demonstrate that the proposed system can produce models of comparable quality to traditional AutoML systems within competitive execution times, while additionally providing explicit justification for each decision and complete process traceability. The observed performance differences are attributable to the available tool catalog rather than to the quality of the LLM agent's reasoning, as the agent selected the optimal algorithm within the available catalog in all evaluated cases.
Descripción : Máster Universitario en Ingeniería de Telecomunicación + Máster Universitario en Big Data2026-01-01T00:00:00ZDiseño e implementación de un dashboard de inteligencia bancaria basado en datos agregadosMeana Iturri, Claudiahttp://hdl.handle.net/11531/1101642026-06-02T15:23:43Z2026-01-01T00:00:00ZTítulo : Diseño e implementación de un dashboard de inteligencia bancaria basado en datos agregados
Autor : Meana Iturri, Claudia
Resumen : Este Trabajo Fin de Máster presenta el diseño e implementación de un
dashboard de inteligencia bancaria basado en datos financieros agregados. El
proyecto se desarrolla en el contexto de Oliver Wyman, una firma internacional de
consultoría de gestión que trabaja con empresas e instituciones en retos
estratégicos, operativos, tecnológicos y de transformación [1]. Dentro de su práctica
de servicios financieros, la firma trabaja con bancos, entidades de crédito,
compañías de pagos e instituciones de inversión [2, 3]. En el contexto de este
proyecto, el foco se sitúa principalmente en el ámbito bancario en España, donde la
explotación de datos agregados puede aportar valor tanto para análisis internos
como para posibles propuestas a entidades financieras.
El punto de partida era una situación en la que la empresa ya disponía de datos
financieros agregados procedentes de una fuente externa, pero su explotación
dependía principalmente de análisis bajo demanda realizados por perfiles técnicos.
Cuando un usuario de negocio necesitaba una métrica o visualización concreta, era
necesario preparar el análisis mediante notebooks o herramientas locales. Aunque
este enfoque permitía responder a preguntas puntuales, no era suficientemente
accesible, reutilizable ni interactivo para usuarios de negocio.
El objetivo del proyecto fue desarrollar una herramienta analítica que
permitiera consultar y comparar información bancaria de forma más autónoma. El
dashboard permite seleccionar una entidad bancaria, compararla frente a otros
bancos o grupos de bancos, consultar KPIs principales y analizar dimensiones
como clientes, productos financieros, volumen, penetración, concentración,
oportunidades de venta cruzada y salidas hacia neobancos.; This Master’s Thesis presents the design and implementation of a banking
intelligence dashboard based on aggregated financial data. The project was
developed in the context of Oliver Wyman, an international management
consulting firm that supports companies and institutions in strategic, operational,
technological and transformation challenges [1]. Within its financial services
practice, the firm works with banks, credit institutions, payment companies and
investment firms [2, 3]. In this project, the focus is mainly on banking in Spain,
where aggregated financial data can generate value for internal analysis and
potential proposals to financial institutions.
The starting point was a situation in which the company already had access to
aggregated financial data from an external source, but the use of that data depended
mainly on ad hoc analysis performed by technical profiles. When a business user
needed a specific metric or visualization, the analysis had to be prepared through
notebooks or local tools. Although this approach was useful for specific questions,
it was not sufficiently accessible, reusable or interactive for business users.
The objective of the project was to develop an analytical tool that would allow
users to query and compare banking information more autonomously. The
dashboard allows users to select a banking institution, compare it against other
banks or groups of banks, consult key performance indicators and analyze
dimensions such as customers, financial products, volume, penetration,
concentration, cross-selling opportunities and outflows to neobanks.
Descripción : Máster Universitario en Big Data2026-01-01T00:00:00Z