dc.creator | Corral Plaza, David | es |
dc.creator | Resinas Arias de Reyna, Manuel | es |
dc.creator | Boubeta Puig, Juan | es |
dc.date.accessioned | 2022-12-14T12:05:12Z | |
dc.date.available | 2022-12-14T12:05:12Z | |
dc.date.issued | 2018 | |
dc.identifier.citation | Corral 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.uri | https://hdl.handle.net/11441/140443 | |
dc.description.abstract | Los 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 afectada | es |
dc.description.sponsorship | Ministerio de Economía y Competitividad TIN2015-65845-C3-3-R | es |
dc.description.sponsorship | Ministerio de Economía y Competitividad TIN2016-81978-REDT | es |
dc.format.extent | 10 | es |
dc.language.iso | spa | es |
dc.publisher | Sociedad de Ingeniería de Software y Tecnologías de Desarrollo de Software (SISTEDES) | es |
dc.relation.ispartof | JCIS 2018: XIV Jornadas de Ingeniería de Ciencia e Ingeniería de Servicios (2018), pp. 1-10. | |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Machine Learning | es |
dc.subject | Predicción | es |
dc.subject | Cloud | es |
dc.subject | API | es |
dc.subject | Software as a Service | es |
dc.subject | Big Data | es |
dc.title | Un Recorrido por los Principales Proveedores de Servicios de Machine Learning y Predicción en la Nube | es |
dc.type | info:eu-repo/semantics/conferenceObject | es |
dcterms.identifier | https://ror.org/03yxnpp24 | |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Lenguajes y Sistemas Informáticos | es |
dc.relation.projectID | TIN2015-65845-C3-3-R | es |
dc.relation.projectID | TIN2016-81978-REDT | es |
dc.relation.publisherversion | https://biblioteca.sistedes.es/articulo/un-recorrido-por-los-principales-proveedores-de-servicios-de-machine-learning-y-prediccion-en-la-nube/ | es |
dc.contributor.group | Universidad de Sevilla. TIC-205: Ingeniería del Software Aplicada | es |
dc.publication.initialPage | 1 | es |
dc.publication.endPage | 10 | es |
dc.eventtitle | JCIS 2018: XIV Jornadas de Ingeniería de Ciencia e Ingeniería de Servicios | es |
dc.eventinstitution | Sevilla, España | es |
dc.relation.publicationplace | Sevilla, España | es |
dc.contributor.funder | Ministerio de Economía y Competitividad (MINECO). España | es |