Trabajos finales de carrera de postgrado

Permanent URI for this collection

https://rad.ort.edu.uy/handle/20.500.11968/2714

Estos trabajos de fin de carrera son obras producidas por estudiantes, que se originan en los procesos formativos de la universidad.

Tienen propósitos culturales y educativos. No son productos comerciales y su difusión pública no está autorizada.

Browse

Browsing Trabajos finales de carrera de postgrado by Subject "ANÁLISIS DE DATOS"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Investigación de mercado y aplicación práctica de MLOps
    (Universidad ORT Uruguay, 2022) Rivero Lamanna, Diego José; Pisani Leal, Mikaela; Visca Zanoni, Ramiro Eugenio; Zaiter Trinidad, Federico
    El siguiente trabajo final presenta una investigación sobre las herramientas líderes del mercado en cuanto a metodología MLOps. Se enfoca en el desarrollo, validación y disponibilidad de un modelo para predecir precios de automóviles utilizando datos reales publicados en una plataforma de venta en línea. La herramienta elegida fue VertexAI de Google y el caso de negocio consistió en organizar el flujo de trabajo y automatizar la totalidad del ciclo de vida de un modelo de aprendizaje automático. Desde VertexAI se accede a los datos a través de la plataforma de venta en línea. Dichos datos se limpian y se transforman en variables de entrada para entrenar el modelo. Se utiliza el componente predefinido de AutoML de VertexAI, desplegándose el modelo si el mismo supera los umbrales mínimos en sus KPI. Como resultado se obtuvo un buen modelo que se puede mantener en el tiempo con poca intervención de un experto. Además se hizo un uso exhaustivo de la herramienta VertexAI, líder en el mercado para MLOps en la nube. Como conclusión, se validó el principio de “data-centric AI” para lograr el desarrollo de un buen modelo. También se validó la herramienta VertexAI para lograr un proyecto de MLOps y se alcanzó el objetivo de implementar un proyecto de aprendizaje automático “end to end”. Por último se plantean dos opciones para extraer valor real del modelo, construyendo herramientas de software que utilizarían al modelo como centro de sus funcionalidades.
  • Thumbnail Image
    Item
    Modelado de carga de trabajo de una plataforma analítica para la predicción de la demanda de capacidad de cómputo
    (Universidad ORT Uruguay, 2022) Martínez Barja, Aníbal Mauricio; Silveira Antelo, Marcos Alberto; Ferragut Varela, Ruben Andrés; Yovine, Sergio Fabián; Noguez Piacentini, Juan Ignacio
    Este trabajo final busca analizar la carga de trabajo de cómputo de una plataforma analítica cloud de uso masivo. En base a los análisis realizados se pretende generar modelos predictivos utilizando diferentes técnicas para obtener predicciones de la demanda que se ejerce sobre la plataforma. Esto posibilita la optimización de los recursos lo que repercute en la disminución de costo por el uso del servicio cloud. Además del análisis se pretende desarrollar pruebas de concepto a partir de distintas técnicas de análisis de series temporales clásico, modelos de Markov escondidos y redes neuronales. El trabajo contiene el análisis detallado que se efectuó poniendo en práctica cada una de las técnicas mencionadas describiendo paso a paso las acciones y decisiones que se tomaron.