[ES]La inteligencia artificial es un campo que est? ganando cada vez m?s y m?s popularidad. Ya est? presente en nuestra vida diaria, alcanzado unos avances espectaculares en todos los campos, tales como la medicina, investigaci?n o industria. Una de sus ramas m?s conocidas es la visi?n artificial, que pretende que las m?quinas consigan percibir y comprender las im?genes y actuar de la forma que se les indique. En esta rama se encuadran algoritmos de clasificaci?n de im?genes, entre otros. Uno de los m?todos que mejores resultados da en estos casos de uso son las redes neuronales convolucionales, que son redes neuronales artificiales cuyos camposreceptivossonmuy similares a los de la corteza visual primaria (V1) de un cerebro biol?gico. Estas redes neuronales convolucionales requieren de un entrenamiento que necesita una ingente cantidad de im?genes etiquetadas por un ser humano con el resultado esperado del algoritmo. Dado que la tarea de etiquetado es larga y tediosa, en este trabajo de fin de grado se propone un sistema que la facilite mediante el uso de t?cnicas como el aprendizaje activo. Gracias a estas t?cnicas el sistema realizar? el etiquetado de forma semi-autom?tica, de manera que los trabajadores humanos s?lo necesiten etiquetar un peque?o porcentaje de las im?genes. El sistema debe permitir la creaci?n de distintos conjuntos de datos que podr?n contener un n?mero arbitrario de im?genes. Este trabajo de fin de grado se enfoca en el desarrollo de una aplicaci?n Web donde los usuarios podr?n clasificar sus fotos de forma inteligente. La p?gina web est? dise?ada siguiendo el estilo de Material-UI, una librer?a Open Source que implementa Material Design de Google, lo que nos va a permitir realizar un sistema responsivo que se adapte a n?meros dispositivos como tabletas inteligentes o m?viles. En cuanto a la funcionalidad de esta plataforma comprende desde la subida de nuevas im?genes hasta su correcta clasificaci?n, pasando por la generaci?n de modelos y dando uso del aprendizaje activo a la hora de determinar el conjunto de im?genes necesarias a clasificar por el usuario. El almacenamiento de los datos de usuarios, conjuntos de im?genes y modelosse delega parcialmente a una base de datos de MongoDB, la otra parte de los datos, como su interpretaci?n se alberga en un servidor backend. Se ha elaborado una memoria junto con seis anexos complementarios para documentar este proyecto. Estos anexos proporcionan informaci?n detallada sobre la planificaci?n y la ingenier?a del software del proyecto, as? como manuales de ayuda destinados tanto a los programadores como a los usuarios del sistema. De esta manera, se garantiza una documentaci?n exhaustiva y completa del proyecto.

[EN]Artificial intelligence is a field that is gaining increasing popularity. It is already present in our daily lives, achieving spectacular advancementsin variousfieldssuch as medicine, research, and industry. One of its most well-known branchesis computer vision, which aimsto enable machines to perceive and understand images and act according to instructions. Within this branch, there are image classification algorithms, among others. One of the methods that yields the best results in such cases is convolutional neural networks, which are artificial neural networks whose receptive fields closely resemble those of the primary visual cortex (V1) of a biological brain. These convolutional neural networksrequire training that involves a substantial number of images labelled by humans with the expected algorithm outcome. Since labelling is a lengthy and tedious task, this bachelor's thesis proposes a system that facilitates it through the use of techniques such as active learning. Thanks to these techniques, the system will perform labelling semi-automatically, reducing the need for human workers to label only a small percentage of the images. The system should allow the creation of different datasets that can contain an arbitrary number of images. This bachelor's thesis focuses on the development of a web application where users can intelligently classify their photos. The website is designed following the Material-UI style, an open-source library that implements Google's Material Design. This allows us to create a responsive system that adapts to various devices, such as tablets and smartphones. Regarding the functionality of this platform, it ranges from uploading new images to their proper classification, including model generation and the use of active learning to determine the set of images that the user needs to classify. The storage of user data, image datasets, and models is partially delegated to a MongoDB database, while the other part of the data, including its interpretation, is hosted on a backend server. A report, along with six complementary appendices, has been prepared to document this project. These appendices provide detailed information about project planning and software engineering, as well as user and programmer manuals. This ensures comprehensive and complete documentation of the project.

Trabajo de Fin de Grado. Grado en Ingenier?a Inform?tica. Curso acad?mico 2022-2023.