2026-05-30T02:49:50Zhttps://riuma.uma.es/rest/oai/requestoai:riuma.uma.es:10630/393892026-02-03T12:43:05Zcom_10630_2254col_10630_37957
Romero Caparrós, Luis Felipe
2025-07-17T09:56:39Z
2025-07-17T09:56:39Z
2025
https://hdl.handle.net/10630/39389
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.
spa
http://creativecommons.org/licenses/by-nc-nd/4.0/
open access
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Aprendizaje automático (Inteligencia artificial) - Tesis doctorales
Unidades de procesamiento gráfico
Preprocesamiento y posprocesamiento de datos para Deep Learning utilizando GPUs
doctoral thesis