Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11531/78542
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Valle Gutierrez, Guillermo | es-ES |
dc.contributor.author | González Suárez, Antonio | es-ES |
dc.contributor.other | Universidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI) | es_ES |
dc.date.accessioned | 2023-05-30T18:22:54Z | - |
dc.date.available | 2023-05-30T18:22:54Z | - |
dc.date.issued | 2023 | es_ES |
dc.identifier.uri | http://hdl.handle.net/11531/78542 | - |
dc.description | Máster en Big Data. Tecnología y Analítica Avanzada/Master in Big Data Technologies and Advanced Analytics | es_ES |
dc.description.abstract | El presente trabajo propone una solución para abordar las necesidades actuales de las empresas relacionadas con la implementación del aprendizaje automático en sus flujos de trabajo. Con este objetivo en mente, se ha desarrollado AutoML (Automated Machine Learning), un módulo de Python que automatiza el proceso de creación de modelos de machine learning. Esta herramienta permite a las empresas ahorrar tiempo y recursos al eliminar la necesidad de realizar el desarrollo manual de modelos. Además, para hacer que AutoML sea fácil de usar y accesible para los usuarios, se ha diseñado y construido una infraestructura completa que permite interactuar con el módulo a través de una aplicación web. Esto significa que no se requiere la instalación de software adicional, lo que simplifica aún más su implementación en los flujos de trabajo existentes. | es-ES |
dc.description.abstract | This paper proposes a solution to address the current needs of companies related to the implementation of machine learning in their workflows. With this goal in mind, we have developed AutoML (Automated Machine Learning), a Python module that automates the process of creating machine learning models. This tool allows companies to save time and resources by eliminating the need for manual model development. Furthermore, to make AutoML user-friendly and accessible, we have designed and built a comprehensive infrastructure that enables interaction with the module through a web application. This means that no additional software installation is required, further simplifying its implementation in existing workflows. | en-GB |
dc.format.mimetype | application/pdf | es_ES |
dc.language.iso | es-ES | es_ES |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | es_ES |
dc.subject | 33 Ciencias tecnológicas | es_ES |
dc.subject | 3304 Tecnología de los ordenadores | es_ES |
dc.subject | 330413 Dispositivos de transmisión de datos | es_ES |
dc.subject.other | M8A | es_ES |
dc.title | Desarrollo de una librería para el cálculo de modelos de clasificación y su evaluación en paralelo en la nube | es_ES |
dc.type | info:eu-repo/semantics/masterThesis | es_ES |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es_ES |
dc.keywords | Aprendizaje automático, AutoML, Python, Scikit-learn, Flask, FastAPI, Clasificación | es-ES |
dc.keywords | AutoML, Python, Scikit-learn, Flask, FastAPI, Machine Learning, Classification | en-GB |
Aparece en las colecciones: | MBD-Trabajos Fin de Máster |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
TFM-GonzalezSuarezAntonio.pdf | Trabajo Fin de Máster | 2,76 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.