Benchmark Auto Machine Learning
Gimeno Saborit, Robert
García Font, Victor, dir. (Centre de Recerca Ecològica i d'Aplicacions Forestals)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Data: 2019-07-01
Resum: Avui en dia el Machine Learning és un camp que està auge, fàcilment es troben exemples en el dia a dia que utilitzen Machine Learning pel seu funcionament. Alguns exemples serien els següents: reconeixement d'imatges, màrqueting personalitzat, automoció autònoma i detecció de fraus entre molts altres. Aquest projecte vol anar un pas més enllà, i centrar-se en l'Auto ML. Aquest és un concepte innovador i amb molta projecció, ja que pretén millorar la forma que actualment es realitza el Machine Learning. Resumidament, l'Auto ML pretén automatitzar molts dels passos que s'han de realitzar a l'hora de fer Machine Learning, aconseguint així una reducció de temps i millora de resultats obtinguts. Avui en dia existeixen diverses tecnologies que fan ús de l'Auto ML, algunes són de codi obert, és a dir, es permet l'ús i modificació de la tecnologia i d'altres són amb llicència, on s'haurà de pagar una quota per fer ús de la tecnologia. En aquest projecte es fa un estudi de tres tecnologies: Una de codi obert, anomenada Auto-Weka, i dues amb llicència propietària, anomenades DataRobot i H2O driveless AI. Aquest article fa una comparativa entre els productes, extraient així uns resultats que permetran classificar els productes segons la seva actuació.
Resum: Nowadays Machine Learning is a field that is booming, you can easily find examples in the everyday that use Machine Learning for its operation. Some examples would be: image recognition, personalized marketing, autonomous automotive and fraud detection among many others. This project wants to go a step further, and focus on the Auto ML. This is a pioneering concept with a lot of projection, since it aims to improve the way Machine Learning is currently performed. In short, Auto ML aims to automate many of the steps that must be taken when making Machine Learning, thus achieving a reduction in time and an improvement in the results obtained. Today there are several technologies that make use of the Auto ML, some are are open source, that means, the use and modification of the technology is allowed, and others are licensed, where you will have to pay a fee for making use of the technology. This project focuses on the study of three technologies: one open source, called AutoWeka, and two with proprietary license, called DataRobot and H2O driveless AI. This article makes a comparison between the products, thus extracting results that will allow to classify the products according to their performance.
Resum: Hoy en día el Machine Learning es un campo que está en auge, fácilmente se encuentran ejemplos en el día a día que utilizan Machine Learning para su funcionamiento. Algunos ejemplos serían los siguientes: reconocimiento de imágenes, marketing personalizado, automoción autónoma y detección de fraudes entre muchos otros. Este proyecto quiere ir un paso más allá, y centrarse en el Auto ML. Este es un concepto innovador y con mucha proyección, ya que pretende mejorar la forma que actualmente se realiza el Machine Learning. Resumidamente, el Auto ML pretende automatizar muchos de los pasos que se deben realizar a la hora de hacer Machine Learning, consiguiendo así una reducción de tiempo y mejora de resultados obtenidos. Hoy en día existen varias tecnologías que hacen uso del Auto ML, algunas son de código abierto, es decir, se permite el uso y modificación de la tecnología y otros son con licencia, donde se deberá pagar una cuota por hacer uso de la tecnología. En este proyecto se hace un estudio de tres tecnologías: Una de código abierto, llamada Auto-Weka, y dos con licencia propietaria, llamadas DataRobot y H2O driveless AI. Este artículo hace una comparativa entre los productos, extrayendo así unos resultados que permitirán clasificar los productos según su actuación.
Drets: Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades. Creative Commons
Llengua: Català
Titulació: Grau en Enginyeria Informàtica [2502441]
Pla d'estudis: Enginyeria Informàtica [958]
Document: bachelorThesis ; Text
Àrea temàtica: Menció Tecnologies de la Informació
Matèria: Machine Learning ; Auto Machine Learning ; Auto Weka ; Data Robot ; H20 ; Comparativa ; Neteja de dades ; Feature engineering ; Selecció d'algoritmes ; Ajust de paràmetres ; Exactitud ; Fecha Robot ; Limpieza de datos ; Selección de algoritmos ; Ajuste de parámetros ; Benchmark ; Data cleaning ; Algorithm selection ; Hyperparameter tuning ; Acurracy



8 p, 907.5 KB

El registre apareix a les col·leccions:
Documents de recerca > Treballs de Fi de Grau > Escola d'Enginyeria. TFG

 Registre creat el 2019-08-27, darrera modificació el 2021-07-31



   Favorit i Compartir