Servindo modelos de machine learning com uma arquitetura baseada em serverless
Smart solutions for data classification that make use of Deep Learning are in a moment of ascension. The data analysis area is attracting more and more developers and researchers, but the solutions developed need to be modularized into well-defined components in order to be able to parallelize some...
Na minha lista:
Autor principal: | |
---|---|
Outros Autores: | |
Formato: | Dissertação |
Idioma: | pt_BR |
Publicado em: |
Universidade Federal do Rio Grande do Norte
|
Assuntos: | |
Endereço do item: | https://repositorio.ufrn.br/handle/123456789/30696 |
Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
id |
ri-123456789-30696 |
---|---|
record_format |
dspace |
spelling |
ri-123456789-306962020-11-29T07:45:42Z Servindo modelos de machine learning com uma arquitetura baseada em serverless Ribeiro, José Lucas Santos Cacho, Nelio Alessandro Azevedo http://lattes.cnpq.br/3279287513502026 http://lattes.cnpq.br/4635320220484649 Silva, Carlos Eduardo da http://lattes.cnpq.br/0125036186628507 Cavalcante, Everton Ranielly de Sousa http://lattes.cnpq.br/5065548216266121 Lopes, Frederico Araujo da Silva http://lattes.cnpq.br/9177823996895375 Sistemas Distribuídos Serviços Microsserviços Arquitetura Docker Machine Learning Deep Learning Transfer Learning. Serverless Smart solutions for data classification that make use of Deep Learning are in a moment of ascension. The data analysis area is attracting more and more developers and researchers, but the solutions developed need to be modularized into well-defined components in order to be able to parallelize some stages and obtain a good performance in the execution stage. From this motivation, this work presents a generic architecture for data classification, named Machine Learning in Serverless Architecture (MLSA), that can be reproduced in a production environment. In addition, the use of the architecture is presented in a project that makes multi-label classification of images to recommend tourist attractions and validates the use of serverless to serve models of Machine Learning. When using this type of approach, a decrease of at least 60% in processing time has been achieved compared to a monolithic approach. Soluções inteligentes para classificação de dados que fazem uso de Machine Learning estão em um momento de ascensão. A área de análise de dados está atraindo cada vez mais desenvolvedores e pesquisadores, porém as soluções desenvolvidas precisam ser modularizadas em componentes bem definidos para ser possível paralelizar algumas etapas e obter um bom desempenho na etapa de execução. A partir dessa motivação, este trabalho propõe uma arquitetura genérica para classificação de dados, nomeada Machine Learning in Serverless Architecture (MLSA), que pode ser reproduzida em um ambiente de produção. Além disso, é apresentada a utilização da arquitetura em um projeto que faz classificação multi-label de imagens para recomendar pontos turísticos ao usuário e uma validação do uso de serverless para servir modelos de Machine Learning. Ao utilizar este tipo de abordagem, foi obtido uma diminuição de pelo menos 60% no tempo de processamento comparado à uma abordagem monolítica. 2020-11-26T21:51:30Z 2020-11-26T21:51:30Z 2020-07-29 masterThesis RIBEIRO, José Lucas Santos. Servindo modelos de machine learning com uma arquitetura baseada em serverless. 2020. 60f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2020. https://repositorio.ufrn.br/handle/123456789/30696 pt_BR Acesso Aberto application/pdf Universidade Federal do Rio Grande do Norte Brasil UFRN PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO |
institution |
Repositório Institucional |
collection |
RI - UFRN |
language |
pt_BR |
topic |
Sistemas Distribuídos Serviços Microsserviços Arquitetura Docker Machine Learning Deep Learning Transfer Learning. Serverless |
spellingShingle |
Sistemas Distribuídos Serviços Microsserviços Arquitetura Docker Machine Learning Deep Learning Transfer Learning. Serverless Ribeiro, José Lucas Santos Servindo modelos de machine learning com uma arquitetura baseada em serverless |
description |
Smart solutions for data classification that make use of Deep Learning are in a moment of ascension. The data analysis area is attracting more and more developers and researchers, but the solutions developed need to be modularized into well-defined components in order to be able to parallelize some stages and obtain a good performance in the execution stage. From this motivation, this work presents a generic architecture for data classification, named Machine Learning in Serverless Architecture (MLSA), that can be reproduced in a production environment. In addition, the use of the architecture is presented in a project that makes multi-label classification of images to recommend tourist attractions and validates the use of serverless to serve models of Machine Learning. When using this type of approach, a decrease of at least 60% in processing time has been achieved compared to a monolithic approach. |
author2 |
Cacho, Nelio Alessandro Azevedo |
author_facet |
Cacho, Nelio Alessandro Azevedo Ribeiro, José Lucas Santos |
format |
masterThesis |
author |
Ribeiro, José Lucas Santos |
author_sort |
Ribeiro, José Lucas Santos |
title |
Servindo modelos de machine learning com uma arquitetura baseada em serverless |
title_short |
Servindo modelos de machine learning com uma arquitetura baseada em serverless |
title_full |
Servindo modelos de machine learning com uma arquitetura baseada em serverless |
title_fullStr |
Servindo modelos de machine learning com uma arquitetura baseada em serverless |
title_full_unstemmed |
Servindo modelos de machine learning com uma arquitetura baseada em serverless |
title_sort |
servindo modelos de machine learning com uma arquitetura baseada em serverless |
publisher |
Universidade Federal do Rio Grande do Norte |
publishDate |
2020 |
url |
https://repositorio.ufrn.br/handle/123456789/30696 |
work_keys_str_mv |
AT ribeirojoselucassantos servindomodelosdemachinelearningcomumaarquiteturabaseadaemserverless |
_version_ |
1773966376093876224 |