Identificador persistente para citar o vincular este elemento:
http://hdl.handle.net/10662/15839
Registro completo de Metadatos
Campo DC | Valor | idioma |
---|---|---|
dc.contributor.advisor | Conejero Manzano, José María | - |
dc.contributor.advisor | Melchor González, Francisco Javier | - |
dc.contributor.author | Ruiz Parra, Adrián | - |
dc.date.accessioned | 2022-10-17T08:57:18Z | - |
dc.date.available | 2022-10-17T08:57:18Z | - |
dc.date.issued | 2022 | - |
dc.date.submitted | 2022-07 | - |
dc.identifier.uri | http://hdl.handle.net/10662/15839 | - |
dc.description.abstract | En este trabajo se documenta la creación y desarrollo de una herramienta web (Python Machine Learning REST API Generator, abreviado como PyMLAPIGen). Esta herramienta tiene el objetivo de permitir a cualquier usuario no experto en el dominio de Machine Learning, entrenar algoritmos a partir de un dataset de entrada y poder aplicar dichos algoritmos entrenados a nuevos datasets. De esta forma, cualquier usuario podrá utilizar la herramienta para poder probar distintos algoritmos con diversos parámetros y así pulir y encontrar la mejor configuración para su dataset. La herramienta ofrece una interfaz de usuario a través de una aplicación web hospedada en la máquina del usuario. Además, cuenta con una API de programación REST a través de la cual se puede realizar experimentos. Un experimento genera una API REST con la que se puede interactuar a través de la herramienta web o los diversos endpoints de la API. Para generar un experimento, es necesario introducir un dataset, la categoría Machine Learning (clasificación, regresión o clustering), la columna objetivo del dataset para aprendizajes supervisados, el algoritmo y sus parámetros, los atributos para tener en cuenta del dataset y el tamaño del conjunto de entrenamiento. Una vez introducido los parámetros requeridos, un modelo será entrenado y evaluado de forma que pueda ofrecer distintas métricas, gráficas y ser utilizado para nuevas predicciones. | es_ES |
dc.format.extent | 158 p. | es_ES |
dc.format.mimetype | application/pdf | en_US |
dc.language.iso | spa | es_ES |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Machine Learning | es_ES |
dc.subject | Ciencias de datos | es_ES |
dc.subject | Aprendizaje automático | es_ES |
dc.subject | Generación de APIs REST | es_ES |
dc.subject | Data science | es_ES |
dc.subject | Generation of REST APIs | es_ES |
dc.title | Herramienta para la aplicación de algoritmos de aprendizaje automático a través de APIs | es_ES |
dc.type | bachelorThesis | es_ES |
europeana.type | TEXT | en_US |
dc.rights.accessRights | openAccess | es_ES |
dc.subject.unesco | 1203.10 Enseñanza Con Ayuda de Ordenador | es_ES |
dc.subject.unesco | 1203.17 Informática | es_ES |
dc.subject.unesco | 3304.13 Dispositivos de Transmisión de Datos | es_ES |
europeana.dataProvider | Universidad de Extremadura. España | es_ES |
dc.description.degree | Grado en Ingeniería Informática en Ingeniería de Software. Universidad de Extremadura | es_ES |
Colección: | Grado en Ingeniería Informática en Ingeniería del Software |
Archivos
Archivo | Descripción | Tamaño | Formato | |
---|---|---|---|---|
TFGUEX_2022_Ruiz_Parra.pdf | 2,49 MB | Adobe PDF | Descargar |
Este elemento está sujeto a una licencia Licencia Creative Commons