• US close
• AT close
• NO close
• SK close
• Catalan; Valencian close
• Corona Virus Disease close

[cat] La predicció de valors futurs és una tècnica que ha causat un interès creixent en molts sectors, per això, s’estan estudiant nous mètodes per tal de poder conèixer les situacions futures de la manera més exacta possible. En aquest treball de fi de grau, es realitzarà una comparativa entre dos mètodes de predicció per dades de sèries temporals, concretament, dades que fan referència al turisme a Espanya des de l’any 2000 fins l’actualitat. Per això s’utilitzaran els models ARIMA i les Xarxes Neuronals. Per fer-ho, s’ha fet una àmplia recerca dels mètodes i un anàlisi de les dades que s’estudien. S’han implementat els mètodes adaptant-los a les dades i tot seguit, s’ha realitzat la comparativa entre els mètodes per veure quin s’ajusta millor a la sèrie i finalment s’ha fet un anàlisi de l’impacte del coronavirus al turisme espanyol. Les conclusions principals obtingudes mostren que tant els mètodes ARIMA com les xarxes neuronals són vàlids per la predicció de sèries temporals. Per les dades utilitzades els mètodes que millor s’adapten a les dades són els mètodes ARIMA però aquesta conclusió és aplicable únicament per aquestes dades. També s’ha arribat a la conclusió de que cap dels mètodes és capaç de predir un fet extraordinari com ha estat la crisi del coronavirus. [eng] Forecasting future values is a technique that has caused a growing interest in many sectors, so new methods are being studied in order to know future situations as accurately as possible. In this thesis, a comparison will be made between two prediction methods for time series data, specifically, data that refer to tourism in Spain from 2000 to the present. This is why ARIMA models and Neural Networks will be used. To do this, a thorough search of the methods and an analysis of the data under study has been done. The methods have been implemented by adapting them to the data and then the comparison between the methods has been made to see which one best fits the series and finally an analysis of the impact of the coronavirus on the Spanish tourism. The main conclusions obtained show that both ARIMA methods and neural networks are valid for the prediction of time series. For the data used, the methods that best fit the data are the ARIMA methods, but this conclusion is applicable only to this data. It has also been concluded that none of the methods is capable of predicting an extraordinary event such as the coronavirus crisis. Treballs Finals de Grau en Estadística UB-UPC, Facultat d'Economia i Empresa (UB) i Facultat de Matemàtiques i Estadística (UPC), Curs: 2019-2020, Tutor: Ernest Pons Fanals

La autenticación del usuario es un proceso que hace años que se pone en práctica. Ofrece seguridad a un sistema de acceso y da privilegios a ciertos usuarios. Sin embargo, debido al COVID-19, muchos de estos sistemas han tenido que renovarse y ofrecer una seguridad sanitaria para los empleados. Este proyecto utiliza las nuevas tecnologías del Cloud Computing y Deep Learning para realizar un sistema de acceso a un edificio restringido utilizando reconocimiento facial. Utilizando la cámara de Amazon DeepLens se procede a hacer una detección de la cara, y con los servicios de visión por computador, se llevan a cabo las funcionalidades de detección de mascarillas y reconocimiento del individuo. Además, el usuario recibe un feedback por voz durante todo el proceso de autentificación al sistema. L'autenticació de l'usuari és un procés que fa anys que es posa en pràctica. Ofereix seguretat a un sistema d'accés i dona privilegis a certs usuaris. Tanmateix, a causa de la COVID-19, molts d'aquests sistemes han hagut de renovar-se i oferir una seguretat sanitària pels empleats. Aquest projecte utilitza les noves tecnologies del Cloud Computing i Deep Learning per realitzar un sistema d'accés a un edifici restringit utilitzant reconeixement facial. Utilitzant la càmera d'Amazon DeepLens es procedeix a fer una detecció de la cara, i amb els serveis de visió per computador, es duen a terme les funcionalitats de detecció de mascaretes i reconeixement de l'individu. A més a més, l'usuari rep un feedback per veu durant tot el procés d'autentificació al sistema. User authentication is a process that has been in practice for years. It provides security to an access system and gives privileges to certain users. However, due to COVID-19, many of these systems have had to be updated and provide health security for employees. This project uses new Cloud Computing technologies and Deep Learning to implement a restricted building access system using facial recognition. Using the Amazon DeepLens camera, a face detection model is executed, and with the computer vision services, the mask detection and facial recognition functionalities are performed. In addition, the user receives audio feedback throughout the process of authentication to the system.

Coronavirus SARS-CoV-2; COVID-19; 2019-nCoV; Activitats; Contenció; Mesures de seguretat Coronavirus SARS-CoV-2; COVID-19; 2019-nCoV; Actividades; Contención; Medidas de seguridad Coronavirus SARS-CoV-2; COVID-19; 2019-nCoV; Activities; Containment; Security measures Cartell adreçat a la ciutadania informant de les mesures de protecció destinades a la contenció de la COVID-19 que seran d'aplicació a partir del 8 de març a Catalunya. Cartel dirigido a la ciudadanía informando de las medidas de protección destinadas a la contención de la Covid-19 que serán de aplicación a partir del 8 de marzo en Catalunya. Poster addressed to the public informing of the protection measures intended for the containment of the COVID-19 that will be applicable from March 8 in Catalonia.