Fernández Montes, PabloGarcía Rodríguez, José María2024-12-192024-12-192024Vaz Rodríguez, R. (2024). Modelos de clasificación como servicio (MLaaS) - Proyecto Veritas. (Trabajo Fin de Grado Inédito). Universidad de Sevilla, Sevilla.https://hdl.handle.net/11441/165989Este documento presenta el proyecto de Trabajo de Fin de Grado del alumno Ricardo Vaz Rodríguez para el doble grado conjunto de Ingeniería Informática - Tecnologías Informáticas de la Escuela Técnica Superior de Ingeniería Informática y Maten áticas de la Facultad de Maten áticas de la Universidad de Sevilla. Es un trabajo de 18 créditos ECTS que busca demostrar la consecución de las competencias necesarias para obtener el título correspondiente. Trata principalmente sobre el desarrollo de un software de entrenamiento de modelos de aprendizaje automático para clasificación de muestras como un servicio, en el que el usuario final puede delegar la tarea de entrenar los modelos y dedicarse al estudio de las consecuencias que se extraen de los mismos. Nace como parte de la ejecución del proyecto Veritas como parte del contrato laboral de técnico de investigación del alumno en el departamento de Lenguajes y Sistemas Informáticos. Veritas es un proyecto de Ingeniería Informática y Matemáticas que tiene como objetivo desarrollar una herramienta tecnológica que permita aplicar de forma practica y comercial las conclusiones obtenidas de varios estudios realizados sobre la capacidad de la técnica de espectrofotometría UV-Vis, para clasificar y caracterizar vinagres con Denominación de Origen protegida. Esta técnica está demostrando grandes virtudes al permitir un análisis rápido, poco costoso y con capacidad para generar buenos modelos que clasifiquen y caractericen vinagres de diferentes orígenes y procesos de fabricación en función de sus cualidades químicas. Las aplicaciones reales de estos estudios requieren del desarrollo de una herramienta tecnológica que a une la medición realizada con un espectrofotómetro y la predicción realizada por los modelos desarrollados. Este proyecto pretende aportar dicha herramienta a través del desarrollo de un dispositivo de toma de muestras integral y de un sistema de etiquetado y generación de modelos en la nube, que permita predecir nuevas muestras en el momento. La aplicación de conceptos de desarrollo de software moderno busca asegurar la robustez y disponibilidad de la herramienta, mediante el uso del paradigma de arquitectura basada en micro servicios. El estudio teórico matemático pretende dotar a la herramienta de un rigor en los resultados generados que permitan su uso en un entorno real.This document presents the Bachelor’s Thesis project of student Ricardo Vaz Rodr´ıguez for the joint double degree in Computer Engineering - Information Technologies from the Higher Technical School of Computer Engineering and Mathematics at the Faculty of Mathematics, University of Seville. It is an 18 ECTS credits project that aims to demonstrate the acquisition of the necessary competencies to obtain the corresponding degree. The project mainly focuses on developing machine learning model training software as a service, where the end-user can delegate the task of training models and focus on studying the resulting insights. This project is part of the Veritas project, carried out as part of the student’s research technician contract in the Department of Languages and Computer Systems. Veritas is a project in Computer Engineering and Mathematics aimed at developing a technological tool that enables the practical and commercial application of conclusions drawn from several studies on the capability of UV-Vis spectrophotometry for classifying and characterizing vinegars with Protected Designation of Origin. This technique is showing great advantages by enabling rapid, cost-effective analysis and the ability to generate robust models that classify and characterize vinegars from different origins and manufacturing processes based on their chemical properties. The real-world applications of these studies require the development of a technological tool that integrates spectrophotometer measurements with predictions made by the developed models. This project aims to deliver such a tool through the development of a comprehensive sample-taking device and a cloud-based labeling and model generation system that allows for real-time prediction of new samples. The application of modern software development concepts ensures the robustness and availability of the tool through the use of a microservices-based architecture. Additionally, the theoretical mathematical study aims to provide rigor in the generated results, making the tool viable for real-world use.application/pdf212 p.spaAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Reducción de dimensionalidadModelos de clasificaciónSoftware como un servicioPartial Least SquareAprendizaje supervisadoAPIArquitectura basada en microserviciosClassification modelsDimensionality reductionSupervised learningSoftware as a Service (SaaS)Microservices-based architecturePartial Least Squares (PLS)Application Programming Interface (API)info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccess