Comparativa de plataformas software para TinyML
[ES] El auge de la Inteligencia Artificial (IA) en dispositivos edge ha llevado al desarrollo de TinyML, una subárea enfocada en ejecutar modelos de ML en dispositivos con recursos limitados. Estas soluciones requieren herramientas de software especializadas que puedan adaptarse a diferentes platafo...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2024 |
| País: | España |
| Institución: | Universitat Politècnica de València (UPV) |
| Repositorio: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | español |
| OAI Identifier: | oai:riunet.upv.es:10251/206637 |
| Acceso en línea: | https://riunet.upv.es/handle/10251/206637 |
| Access Level: | acceso abierto |
| Palabra clave: | IoT ML MCUs ARQUITECTURA Y TECNOLOGIA DE COMPUTADORES Máster Universitario en Ingeniería de Computadores y Redes-Màster Universitari en Enginyeria de Computadors i Xarxes |
| Sumario: | [ES] El auge de la Inteligencia Artificial (IA) en dispositivos edge ha llevado al desarrollo de TinyML, una subárea enfocada en ejecutar modelos de ML en dispositivos con recursos limitados. Estas soluciones requieren herramientas de software especializadas que puedan adaptarse a diferentes plataformas de hardware. Este trabajo se centra en evaluar y comparar diversas herramientas de software TinyML en términos de eficiencia, facilidad de uso y compatibilidad con múltiples plataformas de hardware. A través de pruebas empíricas y análisis detallados, se busca identificar las herramientas más adecuadas para diferentes aplicaciones y plataformas. Los resultados de esta investigación no solo proporcionarán una guía clara para los desarrolladores al seleccionar herramientas TinyML, sino que también arrojarán luz sobre las áreas donde la industria puede mejorar, impulsando así la innovación y la adaptabilidad en el campo del ML en dispositivos edge. |
|---|