1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Sinaloa
4. Instituto Tecnológico de Culiacán
5. Tesis de Maestría
6. Maestría en Ciencias de la Computación

Título :	Construcción de un modelo automático de regresión y clasificación en un ambiente distribuido
Autor :	Medrano Diaz, Manuel A.
metadata.dc.subject.other:	Inteligencia artificial Aprendizaje máquina Aprendizaje profundo Aprendizaje máquina automatizado (AutoML) Optimización de hiperparámetros Búsqueda de arquitectura neuronal (NAS) Optimización bayesiana Clasificación de imágenes Regresión vectorial Series de tiempo vectorial Pronóstico de series de tiempo de imágenes Sistemas distribuidos
Fecha de publicación :	2021
Editorial :	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Culiacán
Descripción :	El aprendizaje profundo ha recibido mucha atención en años recientes debido principalmente a su capacidad de aprender características y patrones de gran complejidad a partir de grandes conjuntos de datos. Logrando de esta manera, automatizar tareas que antes solo eran posible ser realizadas con intervención humana. Sin embargo, desarrollar este tipo de tecnología requiere un alto nivel de conocimiento informático avanzado. Además se espera una importante inversión de tiempo para lograr adaptar y optimizar cada problema de manera manual. En la actualidad, existen cada vez más esfuerzos para lograr automatizar las tareas de diseño de arquitecturas y optimización de hiperparámetros de modelos, creando así el área llamada Aprendizaje Máquina Automatizado (AutoML). Esta área engloba de manera particular o en conjunto las técnicas de Optimización de Hiperparámetros (HPO) y la Búsqueda de Arquitectura Neuronal (NAS). El presente proyecto se encuentra ubicado en el área de NAS. Donde, su estructura consiste en la implementación de 3 partes, las cuales son: Espacio de búsqueda, Estrategia de búsqueda y Estrategia de estimación de rendimiento. La anterior estructura presentada ha sido implementada en múltiples trabajos que se presentan en el estado del arte. En la primera parte de NAS se implementa un espacio de búsqueda con estructura de árbol, posteriormente la estrategia de búsqueda es compuesta por el algoritmo bayesiano TPE y un salón de la fama para clasificar modelos de alto rendimiento. Finalmente, se implementa la estrategia de estimación de rendimiento en la fase de entrenamiento parcial y la fase de entrenamiento profundo. Lo anterior planteado está diseñado para que se pueda implementar en un ambiente de sistemas distribuidos. El sistema fue desarrollado para soportar la búsqueda de tareas de clasificación de imágenes, regresión vectorial, series de tiempo y pronóstico de series de tiempo de imágenes. A su vez, fueron realizadas múltiples pruebas con diferentes conjuntos de datos tomados de diferentes fuentes. El sistema ofrece métricas de exactitud para clasificación y pérdida para las demás tareas, además presenta una alta eficiencia en tiempo invertido y uso de hardware, así como alta flexibilidad para ser usado por diferentes tipos de usuario en diferentes equipos con configuraciones variadas y sistemas operativos.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Aparece en las colecciones:	Maestría en Ciencias de la Computación

Este ítem está protegido por copyright original Visualizar la licencia

Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons