Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
Silva, Leonardo Claudio de Paula e |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://www.teses.usp.br/teses/disponiveis/55/55137/tde-24112022-153525/
|
Resumo: |
Aprendizado de Máquina (Machine Learning - ML - em inglês) tem se tornado a principal tecnologia para automação de diversos casos de usos na indústria; desde detecção de caracteres (OCR - Optical Character Recognition) até veículos autônomos. Entretanto, desenvolver e gerenciar esses modelos de aprendizado de máquina em produção é complexo. Especialmente porque quem desenvolve os modelos não necessariamente tem as habilidades para colocá-los em produção e monitorá-los. Este trabalho propõe o Flowi: uma plataforma de gerenciamento do ciclo de vida de aprendizado de máquina. Ela é baseada em componentes para capacitar cientistas de dados a trazer seus conhecimentos aos modelos com escalabilidade, rastreio de experimentos, deploy, monitoramento e otimização de hiper-parâmetros por padrão. |
