Mostrar el registro sencillo del ítem
Aprendizaje online aplicado al sector industrial: estado del arte y frameworks existentes
dc.contributor.author | García González, Javier | |
dc.contributor.author | RODRÍGUEZ MONTEQUÍN, VICENTE | |
dc.contributor.author | Villanueva Balsera, Joaquín Manuel | |
dc.contributor.author | Díaz Piloñeta, Marina | |
dc.contributor.author | Valdeón Junquera, Ana María | |
dc.date.accessioned | 2022-10-09T17:34:56Z | |
dc.date.available | 2022-10-09T17:34:56Z | |
dc.date.issued | 2022 | |
dc.identifier.isbn | 978-84-09-44521-9 | |
dc.identifier.issn | 2695-5067 | |
dc.identifier.uri | http://dspace.aeipro.com/xmlui/handle/123456789/3291 | |
dc.description | Although machine learning techniques have come a long way, currently the prevailing methods are those called off-line learning, in which models are trained by processing the input data set. This entails limitations such as the computational complexity to be able to train the models with large data sets, and the difficulty that the models can adapt to changing circumstances since the model would have to be retrained again. As a counterpart, the use of online learning algorithms is emerging, in which the algorithm learns from each new data that is received. This communication analyses the extend of application of this type of algorithms in the industrial sector and the existing development frameworks. | es_ES |
dc.description.abstract | Aunque las técnicas de aprendizaje automático han evolucionado mucho, en la actualidad los métodos que prevalecen son los denominados de aprendizaje off-line, en los cuales los modelos son entrenados procesando el conjunto de datos de entrada. Esto conlleva limitaciones como la complejidad computacional para poder entrenar los modelos con grandes conjuntos de datos, y la dificultad de que los modelos así entrenados se puedan adaptar a las circunstancias cambiantes de los datos pues el modelo debería ser reentrenado de nuevo. Como contrapartida está emergiendo la utilización de algoritmos de aprendizaje online, en los que el algoritmo aprende de cada nuevo dato que es recibido. Esta comunicación analiza la aplicación de este tipo de algoritmos en el sector industrial y los frameworks de desarrollo existentes. | es_ES |
dc.language.iso | es | es_ES |
dc.subject | 07-7 Tecnologías de la Información y las Comunicaciones. Ingeniería del Software | es_ES |
dc.title | Aprendizaje online aplicado al sector industrial: estado del arte y frameworks existentes | es_ES |
dc.title.alternative | Online training applied to the industrial sector: literature review and existing frameworks | es_ES |
dc.type | Article | es_ES |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
CIDIP 2022 (Terrassa) [170]
XXVI Congreso Internacional de Dirección e Ingeniería de Proyectos (Terrassa, 2022)