Benchmark de Frameworks de Machine Learning
| Main Author: | |
|---|---|
| Publication Date: | 2022 |
| Format: | Master thesis |
| Language: | eng |
| Source: | Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
| Download full: | http://hdl.handle.net/11110/2340 |
Summary: | 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 |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
| repository_id_str |
https://opendoar.ac.uk/repository/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:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2022-09-05T12:53:37Zoai:ciencipca.ipca.pt:11110/2340Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-28T10:03:59.426262Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse |
| 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:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia instacron:RCAAP |
| instname_str |
FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia |
| instacron_str |
RCAAP |
| institution |
RCAAP |
| reponame_str |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
| collection |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
| repository.name.fl_str_mv |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia |
| repository.mail.fl_str_mv |
info@rcaap.pt |
| _version_ |
1833590437702533120 |