Preprocesamiento y posprocesamiento de datos para Deep Learning utilizando GPUs

Abstract

Esta tesis presenta un enfoque innovador que extiende el uso de las Unidades de Procesamiento Gráfico (GPUs) al preprocesamiento y posprocesamiento de datos dentro del Ciclo de Vida de la ciencia de datos para aplicaciones de Deep Learning. Tradicionalmente, las GPUs se han utilizado principalmente en las etapas de entrenamiento y validación de modelos, pero esta tesis demuestra cómo su capacidad de procesamiento masivamente paralelo puede acelerar significativamente tareas como la generación, transformación y análisis de datos.

Los métodos propuestos permiten superar limitaciones clave, como la insuficiencia de datos y los altos tiempos de procesamiento, lo que amplía la aplicabilidad de las herramientas de inteligencia artificial a nuevos dominios. Los resultados obtenidos en los casos de estudio, evidencian mejoras significativas en precisión, escalabilidad y eficiencia computacional.

Esta investigación también introduce herramientas y algoritmos que fortalecen la integración de la inteligencia artificial en nuevas aplicaciones prácticas, marcando un avance hacia sistemas más accesibles, robustos y efectivos.