Resumen del trabajo fin de master



Título: Incremental Learning para aplicaciones de edge computing distribuido en redes IoT.
Universidad que ofrece el proyecto: Universidade de Vigo
Director/a:
Fernández Castro, Bruno;  Sestelo Pérez, Marta
Alumno/a:
González López, Ángel Pablo
Resumen:
Los modelos de regresión/clasificación basados en algoritmos de incremental learning están diseñados para reaccionar de forma dinámica y en tiempo real a flujos de datos continuos que reciben como entrada, re-entrenándose automática e iterativamente, adaptándose a los posibles cambios en sus distribuciones de probabilidad. Este tipo de algoritmos tienen aplicaciones en diferentes ámbitos, por ejemplo, en sistemas distribuidos de edge computing sobre dispositivos IoT embebidos, en los que el hardware no es tan potente como para almacenar y realizar entrenamientos programados con grandes volúmenes de datos. Este TFM investiga la aplicación de este tipo de algoritmos, aplicados para la resolución de problemas de regresión multivariante, en el ámbito de la Industria 4.0 y las redes de dispositivos IoT interconectados. El alumno se integrará en un equipo y colaborará en el diseño e implementación del algoritmo de regresión, así como en el desarrollo de un conjunto de pruebas o tests para su evaluación.
Más información