Universidad Complutense de Madrid
E-Prints Complutense

Análisis de un modelo predictivo basado en Google Cloud y TensorFlow

Impacto

Downloads

Downloads per month over past year



Terceño Ortega, Alberto (2017) Análisis de un modelo predictivo basado en Google Cloud y TensorFlow. [Trabajo Fin de Grado]

[img]
Preview
PDF
3MB


Abstract

Con este trabajo se propone un ecosistema de herramientas que permitan analizar y desarrollar modelos predictivos utilizando técnicas de deep learning, en particular redes neuronales. Con la ayuda de TensorFlow, una librería diseñada para resolver problemas de aprendizaje automático, se desarollará en local un benchmark que permita evaluar diferentes topologías de redes neuronales sobre un conjunto de datos.
Además, con el objetivo de poder analizar modelos en la nube utilizando grandes cantidades de datos, completaremos el ecosistema con dos herramientas de Google Cloud Platform: Datalab y ML Engine. La primera de ellas nos permitiría realizar una exploración y análisis inicial de datasets, incluyendo entrenamientos con redes neuronales para muestras de datos. Por otro lado, con ML Engine podremos realizar en la nube entrenamientos con datos a gran escala utilizando modelos Wide and Deep, los cuales combinan las ventajas de las regresiones lineales y no lineales.
A lo largo del trabajo se proporcionarán ejemplos y código para saber cómo trabajar con las distintas herramientas propuestas. En particular, se analizará un modelo predictivo con el objetivo de discernir transferencias fraudulentas en tarjetas de crédito.

Resumen (otros idiomas)

This bachelor thesis is intended to introduce a set of tools in order to analyze and develop predictive models using deep learning techniques, in particular neural networks. Thanks to TensorFlow, a framework designed to solve machine learning problems, a local benchmark will be coded, so different neural networks can be tested on a dataset. What is more, in order to achieve cloud analysis on models using massive datasets, a couple of Google Cloud Platform services will be added up to the tools presented: Datalab and ML Engine. The first one will allow us firstly to explore and analyze datasets, including neural networks trainings for sampled data. On the other hand, ML Engine will let us train large-scale datasets using Wide and Deep models, which benefit from both linear and non linear regressions. Samples and code will be presented throughout the whole thesis, in order to know how to use the proposed tools. Particularly, we will analyse a predictive model that detects fraudulent transactions in credit cards.

Item Type:Trabajo Fin de Grado
Additional Information:

Trabajo de Fin de Grado en Ingeniería Informática y Matemáticas (Universidad Complutense, Facultad de Informática, curso 2016/2017)

Directors:
DirectorsDirector email
López López, María Victoria
Font Rytzner, Alberto Andrés
Uncontrolled Keywords:TensorFlow, Redes neuronales, Datalab, ML Engine, Google Cloud Platform, Deep learning, Aprendizaje automático, Big data, Keras.
Palabras clave (otros idiomas):TensorFlow, Neural networks, Datalab, ML Engine, Google Cloud Platform, Deep learning, Machine learning, Big data, Keras.
Subjects:Sciences > Computer science > Artificial intelligence
Sciences > Computer science > Computer programming
Sciences > Computer science > Computer networks
Título de Grado:Doble grado en Ingeniería Informática y Matemáticas
ID Code:46646
Deposited On:28 Feb 2018 12:30
Last Modified:28 Feb 2018 12:30

Origin of downloads

Repository Staff Only: item control page