RT Generic
T1 Comparación y análisis de métodos de clasificación con las bibliotecas scikit-learn y TensorFlow en Python
A1 Zamorano Ruiz, Juan
K1 Clasificación, Métodos de (Matemáticas)
K1 Aprendizaje automático (Inteligencia artificial)
K1 Datos masivos
K1 Python (Lenguaje de programación)
K1 Informática - Trabajos Fin de Grado
K1 Grado en Ingeniería de Computadores - Trabajos Fin de Grado
AB Hoy en día no podemos negar que vivimos rodeados de la generación de una gran cantidad de datos, más ahora que estamos en plena era digital y la mayoría de esta información se puede almacenar y procesar. Numerosas empresas buscan enfocar el uso de dicha información para sacar un beneficio a favor de los objetivos de su negocio y se ayudan de las herramientas adecuadas para llevar a cabo esta tarea.La rama de la Inteligencia Artificial denominada “Machine Learning” o, también conocido como aprendizaje automático, es aquella que permite a las máquinas aprender a través de los datos detectando patrones y ayudando a la toma de decisiones.Con esta rama de la inteligencia artificial lo que se pretende es dar uso al conocimiento de los datos históricos para poder llevar a cabo decisiones concretas en el futuro. Dentro del aprendizaje automático existen distintos tipos de problemas, dependiendo de su naturaleza y del objetivo buscado, así en este caso nos centraremos en aprendizaje supervisado para clasificación. Existen distintos algoritmos y técnicas matemáticas para poder llevar a cabo un problema de clasificación, donde una de las más usadas y conocidas es el de las redes neuronales.En este proyecto vamos a hacer uso de dos bibliotecas para aprendizaje automático, profundizando en redes neuronales , ambas diseñadas para su uso en Python: una de ellas es la biblioteca Scikit-learn para Machine Learning, y otra parte la biblioteca de código abierto TensorFlow.Se realizará una comparación y análisis del comportamiento de cada algoritmo y librería con distintas métricas en la predicción de 7 tipos de cubiertas forestales con el uso de variables cartográficas a través de distintos valores tomados en 4 áreas distintas del parque nacional de Roosevelt, en el norte del estado de Colorado.
YR 2019
FD 2019-12-12
LK https://hdl.handle.net/10630/19037
UL https://hdl.handle.net/10630/19037
LA spa
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 19 ene 2026