Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11531/98051
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorValle Gutierrez, Guillermoes-ES
dc.contributor.authorGonzález Suárez, Antonioes-ES
dc.contributor.otherUniversidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI)es_ES
dc.date.accessioned2025-03-13T21:37:38Z-
dc.date.available2025-03-13T21:37:38Z-
dc.date.issued2025es_ES
dc.identifier.urihttp://hdl.handle.net/11531/98051-
dc.descriptionMáster Universitario en Big Dataes_ES
dc.description.abstractEl 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 (ver Figura 1) 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 existenteses-ES
dc.description.abstractThis 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 (see Figure 2) 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 workflowsen-GB
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoes-ESes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject.otherH0Zes_ES
dc.titleDesarrollo de una librería para el cálculo demodelos de clasificación y su evaluación en paraleloes_ES
dc.typeinfo:eu-repo/semantics/masterThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
dc.keywordsAutoML,ML,Data Science, Machine Learning,Dockeres-ES
dc.keywordsAutoML,ML,Data Science, Machine Learning,Dockeren-GB
Aparece en las colecciones: TFG, TFM (temporales)

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TFM - Gonzalez Suarez, Antonio.pdfTrabajo Fin de Máster4,73 MBAdobe PDFVisualizar/Abrir
AnexoI_signed (1).pdfAutorización97,34 kBAdobe PDFVisualizar/Abrir     Request a copy


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.