Benchmark de Frameworks de Machine Learning
Autor(a) principal: | |
---|---|
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 |