Benchmark de Frameworks de Machine Learning

Detalhes bibliográficos
Autor(a) principal: Silva, Tatiana Cristina Soares
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/11110/2340
Resumo: Este trabalho de dissertação resulta de um estudo realizado relativo à área de Machine Learning, os algoritmos que esta área engloba, as formas de aplicação do Machine Learning nas mais diversas áreas do quotidiano, frameworks associadas e aplicações/estudos reais. Assim, este trabalho final de mestrado versa sobre o estudo e análise de diversas frameworks/bibliotecas de Machine Learning. Este estudo teve em conta as características de cada uma, bem como os seus "prós" e "contras". Estas foram avaliadas/classificadas consoante a sua utilização e feedback emitido por diversos utilizadores e estudos encontrados em pesquisa. Foram também ainda analisados estudos relativos à classificação das frameworks e sua respetiva evolução, onde são analisados características como a procura por parte dos utilizadores e benchmarking das mesmas. São também abordados casos reais de aplicação do Machine Learning na atualidade, mais concretamente, o seu papel no combate ao covid-19. Este trabalho apenas se debruça sobre uma análise teórica das diversas frameworks abordadas, sendo possível concluir quais as frameworks mais requisitadas na atualidade.
id RCAP_edb767b3d9cb42258a13bb9ff835d0b5
oai_identifier_str oai:ciencipca.ipca.pt:11110/2340
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Benchmark de Frameworks de Machine LearningMachine LearningFrameworksBibliotecasBenchmarkAlgoritmosEste trabalho de dissertação resulta de um estudo realizado relativo à área de Machine Learning, os algoritmos que esta área engloba, as formas de aplicação do Machine Learning nas mais diversas áreas do quotidiano, frameworks associadas e aplicações/estudos reais. Assim, este trabalho final de mestrado versa sobre o estudo e análise de diversas frameworks/bibliotecas de Machine Learning. Este estudo teve em conta as características de cada uma, bem como os seus "prós" e "contras". Estas foram avaliadas/classificadas consoante a sua utilização e feedback emitido por diversos utilizadores e estudos encontrados em pesquisa. Foram também ainda analisados estudos relativos à classificação das frameworks e sua respetiva evolução, onde são analisados características como a procura por parte dos utilizadores e benchmarking das mesmas. São também abordados casos reais de aplicação do Machine Learning na atualidade, mais concretamente, o seu papel no combate ao covid-19. Este trabalho apenas se debruça sobre uma análise teórica das diversas frameworks abordadas, sendo possível concluir quais as frameworks mais requisitadas na atualidade.2022-05-19T09:27:27Z2022-05-19T09:27:27Z2022-05-19T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/11110/2340oai:ciencipca.ipca.pt:11110/2340enghttp://hdl.handle.net/11110/2340203011260Silva, Tatiana Cristina Soaresinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2022-09-05T12:53:37Zoai:ciencipca.ipca.pt:11110/2340Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T15:02:36.515147Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Benchmark de Frameworks de Machine Learning
title Benchmark de Frameworks de Machine Learning
spellingShingle Benchmark de Frameworks de Machine Learning
Silva, Tatiana Cristina Soares
Machine Learning
Frameworks
Bibliotecas
Benchmark
Algoritmos
title_short Benchmark de Frameworks de Machine Learning
title_full Benchmark de Frameworks de Machine Learning
title_fullStr Benchmark de Frameworks de Machine Learning
title_full_unstemmed Benchmark de Frameworks de Machine Learning
title_sort Benchmark de Frameworks de Machine Learning
author Silva, Tatiana Cristina Soares
author_facet Silva, Tatiana Cristina Soares
author_role author
dc.contributor.author.fl_str_mv Silva, Tatiana Cristina Soares
dc.subject.por.fl_str_mv Machine Learning
Frameworks
Bibliotecas
Benchmark
Algoritmos
topic Machine Learning
Frameworks
Bibliotecas
Benchmark
Algoritmos
description Este trabalho de dissertação resulta de um estudo realizado relativo à área de Machine Learning, os algoritmos que esta área engloba, as formas de aplicação do Machine Learning nas mais diversas áreas do quotidiano, frameworks associadas e aplicações/estudos reais. Assim, este trabalho final de mestrado versa sobre o estudo e análise de diversas frameworks/bibliotecas de Machine Learning. Este estudo teve em conta as características de cada uma, bem como os seus "prós" e "contras". Estas foram avaliadas/classificadas consoante a sua utilização e feedback emitido por diversos utilizadores e estudos encontrados em pesquisa. Foram também ainda analisados estudos relativos à classificação das frameworks e sua respetiva evolução, onde são analisados características como a procura por parte dos utilizadores e benchmarking das mesmas. São também abordados casos reais de aplicação do Machine Learning na atualidade, mais concretamente, o seu papel no combate ao covid-19. Este trabalho apenas se debruça sobre uma análise teórica das diversas frameworks abordadas, sendo possível concluir quais as frameworks mais requisitadas na atualidade.
publishDate 2022
dc.date.none.fl_str_mv 2022-05-19T09:27:27Z
2022-05-19T09:27:27Z
2022-05-19T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11110/2340
oai:ciencipca.ipca.pt:11110/2340
url http://hdl.handle.net/11110/2340
identifier_str_mv oai:ciencipca.ipca.pt:11110/2340
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv http://hdl.handle.net/11110/2340
203011260
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1817553477633572864