Mostrar el registro sencillo del ítem

Ponencia

dc.creatorCorral Plaza, Davides
dc.creatorResinas Arias de Reyna, Manueles
dc.creatorBoubeta Puig, Juanes
dc.date.accessioned2022-12-14T12:05:12Z
dc.date.available2022-12-14T12:05:12Z
dc.date.issued2018
dc.identifier.citationCorral Plaza, D., Resinas Arias de Reyna, M. y Boubeta Puig, J. (2018). Un Recorrido por los Principales Proveedores de Servicios de Machine Learning y Predicción en la Nube. En JCIS 2018: XIV Jornadas de Ingeniería de Ciencia e Ingeniería de Servicios (1-10), Sevilla, España: Sociedad de Ingeniería de Software y Tecnologías de Desarrollo de Software (SISTEDES).
dc.identifier.urihttps://hdl.handle.net/11441/140443
dc.description.abstractLos medios tecnológicos para el consumo, producción e intercambio de información no hacen más que aumentar cada día que pasa. Nos encontramos envueltos en el fenómeno Big Data, donde ser capaces de analizar esta informa ción con el objetivo de poder inferir situaciones del futuro basándonos en datos del pasado y del presente, nos puede reportar una ventaja competitiva que nos distinga claramente de otras opciones. Dentro de las múltiples disciplinas exis tentes para el análisis de grandes cantidades información encontramos el Ma chine Learning y, a su vez, dentro de este podemos destacar la capacidad predic tiva que nos proporcionan muchas de las opciones existentes actualmente en el mercado. En este trabajo realizamos un análisis de estas principales opciones de APIs predictivas en la nube, las comparamos entre sí, y finalmente llevamos a cabo una experimentación con datos reales de la Red de Vigilancia y Control de la Calidad del Aire de la Junta de Andalucía. Los resultados demuestran que estas herramientas son una opción muy interesante a considerar a la hora de tratar de predecir valores de contaminantes que pueden afectar a nuestra salud seriamente, pudiéndose llevar a cabo acciones preventivas sobre la población afectadaes
dc.description.sponsorshipMinisterio de Economía y Competitividad TIN2015-65845-C3-3-Res
dc.description.sponsorshipMinisterio de Economía y Competitividad TIN2016-81978-REDTes
dc.format.extent10es
dc.language.isospaes
dc.publisherSociedad de Ingeniería de Software y Tecnologías de Desarrollo de Software (SISTEDES)es
dc.relation.ispartofJCIS 2018: XIV Jornadas de Ingeniería de Ciencia e Ingeniería de Servicios (2018), pp. 1-10.
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectMachine Learninges
dc.subjectPredicciónes
dc.subjectCloudes
dc.subjectAPIes
dc.subjectSoftware as a Servicees
dc.subjectBig Dataes
dc.titleUn Recorrido por los Principales Proveedores de Servicios de Machine Learning y Predicción en la Nubees
dc.typeinfo:eu-repo/semantics/conferenceObjectes
dcterms.identifierhttps://ror.org/03yxnpp24
dc.type.versioninfo:eu-repo/semantics/publishedVersiones
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses
dc.contributor.affiliationUniversidad de Sevilla. Departamento de Lenguajes y Sistemas Informáticoses
dc.relation.projectIDTIN2015-65845-C3-3-Res
dc.relation.projectIDTIN2016-81978-REDTes
dc.relation.publisherversionhttps://biblioteca.sistedes.es/articulo/un-recorrido-por-los-principales-proveedores-de-servicios-de-machine-learning-y-prediccion-en-la-nube/es
dc.contributor.groupUniversidad de Sevilla. TIC-205: Ingeniería del Software Aplicadaes
dc.publication.initialPage1es
dc.publication.endPage10es
dc.eventtitleJCIS 2018: XIV Jornadas de Ingeniería de Ciencia e Ingeniería de Servicioses
dc.eventinstitutionSevilla, Españaes
dc.relation.publicationplaceSevilla, Españaes
dc.contributor.funderMinisterio de Economía y Competitividad (MINECO). Españaes

FicherosTamañoFormatoVerDescripción
Un Recorrido por los Principales ...325.4KbIcon   [PDF] Ver/Abrir  

Este registro aparece en las siguientes colecciones

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Excepto si se señala otra cosa, la licencia del ítem se describe como: Attribution-NonCommercial-NoDerivatives 4.0 Internacional