Exploración y evaluación de técnicas de deep learning con grafos

Los grafos son una herramienta esencial para representar, explorar, predecir y explicar fenómenos del mundo real y digital. Con el creciente volumen y complejidad de los datos, cada vez es más importante tener la capacidad de manejar grandes grafos (Big Graphs) de manera efectiva. En este proyecto,...

ver descrição completa

Detalhes bibliográficos
Autor: Pitti de Armas, Sergio
Formato: tesis de maestría
Fecha de publicación:2024
País:España
Recursos:Universidad de La Laguna (ULL)
Repositorio:RIULL. Repositorio Institucional de la Universidad de La Laguna
OAI Identifier:oai:riull.ull.es:915/36485
Acesso em linha:http://riull.ull.es/xmlui/handle/915/36485
Access Level:acceso abierto
Palavra-chave:Machine Learning, Inteligencia Artificial, Redes Neuronales basadas en Grafos, GNN, Análisis de Datos
Machine Learning, Artificial Intelligence, Graph Neural Networks, GNN, Data Analysis.
id ES_d8000620e80f2ce7f9aef68da586a0fc
oai_identifier_str oai:riull.ull.es:915/36485
network_acronym_str ES
network_name_str España
repository_id_str
dc.title.none.fl_str_mv Exploración y evaluación de técnicas de deep learning con grafos
title Exploración y evaluación de técnicas de deep learning con grafos
spellingShingle Exploración y evaluación de técnicas de deep learning con grafos
Pitti de Armas, Sergio
Machine Learning, Inteligencia Artificial, Redes Neuronales basadas en Grafos, GNN, Análisis de Datos
Machine Learning, Artificial Intelligence, Graph Neural Networks, GNN, Data Analysis.
title_short Exploración y evaluación de técnicas de deep learning con grafos
title_full Exploración y evaluación de técnicas de deep learning con grafos
title_fullStr Exploración y evaluación de técnicas de deep learning con grafos
title_full_unstemmed Exploración y evaluación de técnicas de deep learning con grafos
title_sort Exploración y evaluación de técnicas de deep learning con grafos
dc.creator.none.fl_str_mv Pitti de Armas, Sergio
author Pitti de Armas, Sergio
author_facet Pitti de Armas, Sergio
author_role author
dc.contributor.none.fl_str_mv Colebrook Santamaría, Marcos Alejandro
Máster Universitario en Ciberseguridad e Inteligencia de Datos Por la Ull
dc.subject.none.fl_str_mv Machine Learning, Inteligencia Artificial, Redes Neuronales basadas en Grafos, GNN, Análisis de Datos
Machine Learning, Artificial Intelligence, Graph Neural Networks, GNN, Data Analysis.
topic Machine Learning, Inteligencia Artificial, Redes Neuronales basadas en Grafos, GNN, Análisis de Datos
Machine Learning, Artificial Intelligence, Graph Neural Networks, GNN, Data Analysis.
description Los grafos son una herramienta esencial para representar, explorar, predecir y explicar fenómenos del mundo real y digital. Con el creciente volumen y complejidad de los datos, cada vez es más importante tener la capacidad de manejar grandes grafos (Big Graphs) de manera efectiva. En este proyecto, se abordará la aplicación de los grafos en el campo de la Inteligencia Artificial (IA), específicamente en áreas como Data Science (DS), Machine Learning (ML) y Deep Learning (DL). El objetivo principal de este proyecto es llevar a cabo pruebas de concepto (Proof of Concept, PoC) para explorar el potencial de los grafos en la IA y proporcionar una base teórica sólida para futuras investigaciones en el campo. Los grafos tienen una larga historia en la teoría de grafos y matemáticas, y en los últimos años han encontrado una amplia aplicación en la ciencia de datos y la inteligencia artificial. En particular, los grafos son utilizados en el análisis de redes sociales, la recomendación de productos y servicios, la optimización de rutas y la detección de anomalías. En el campo del Machine Learning, los grafos son utilizados para la representación y modelado de datos estructurados, como los datos de redes sociales, los datos biológicos y los datos de sistemas de recomendación. Además, los algoritmos de grafos se utilizan en la detección de comunidades, la clasificación y la predicción de enlaces. En el campo del Deep Learning, los grafos son utilizados en redes neuronales que pueden aprender a representar y modelar datos de grafo, como los datos de redes sociales y los datos biológicos. Estos modelos de grafos han demostrado ser efectivos en la predicción de enlaces, la clasificación de nodos y la detección de anomalías. Es por todo ello que los grafos son una herramienta valiosa en la inteligencia artificial y la ciencia de datos, y su aplicación continúa evolucionando y expandiéndose en muchos campos. Este proyecto se centrará en explorar la aplicación de los grafos en el Data Science, Machine Learning y Deep Learning a través de un PoC.
publishDate 2024
dc.date.none.fl_str_mv 2024
2024
2024
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://riull.ull.es/xmlui/handle/915/36485
url http://riull.ull.es/xmlui/handle/915/36485
dc.language.none.fl_str_mv Español
language_invalid_str_mv Español
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Licencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 Internacional)
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es_ES
eu_rights_str_mv openAccess
rights_invalid_str_mv Licencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 Internacional)
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es_ES
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:RIULL. Repositorio Institucional de la Universidad de La Laguna
instname:Universidad de La Laguna (ULL)
instname_str Universidad de La Laguna (ULL)
reponame_str RIULL. Repositorio Institucional de la Universidad de La Laguna
collection RIULL. Repositorio Institucional de la Universidad de La Laguna
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869421059614179328
spelling Exploración y evaluación de técnicas de deep learning con grafosPitti de Armas, SergioMachine Learning, Inteligencia Artificial, Redes Neuronales basadas en Grafos, GNN, Análisis de DatosMachine Learning, Artificial Intelligence, Graph Neural Networks, GNN, Data Analysis.Los grafos son una herramienta esencial para representar, explorar, predecir y explicar fenómenos del mundo real y digital. Con el creciente volumen y complejidad de los datos, cada vez es más importante tener la capacidad de manejar grandes grafos (Big Graphs) de manera efectiva. En este proyecto, se abordará la aplicación de los grafos en el campo de la Inteligencia Artificial (IA), específicamente en áreas como Data Science (DS), Machine Learning (ML) y Deep Learning (DL). El objetivo principal de este proyecto es llevar a cabo pruebas de concepto (Proof of Concept, PoC) para explorar el potencial de los grafos en la IA y proporcionar una base teórica sólida para futuras investigaciones en el campo. Los grafos tienen una larga historia en la teoría de grafos y matemáticas, y en los últimos años han encontrado una amplia aplicación en la ciencia de datos y la inteligencia artificial. En particular, los grafos son utilizados en el análisis de redes sociales, la recomendación de productos y servicios, la optimización de rutas y la detección de anomalías. En el campo del Machine Learning, los grafos son utilizados para la representación y modelado de datos estructurados, como los datos de redes sociales, los datos biológicos y los datos de sistemas de recomendación. Además, los algoritmos de grafos se utilizan en la detección de comunidades, la clasificación y la predicción de enlaces. En el campo del Deep Learning, los grafos son utilizados en redes neuronales que pueden aprender a representar y modelar datos de grafo, como los datos de redes sociales y los datos biológicos. Estos modelos de grafos han demostrado ser efectivos en la predicción de enlaces, la clasificación de nodos y la detección de anomalías. Es por todo ello que los grafos son una herramienta valiosa en la inteligencia artificial y la ciencia de datos, y su aplicación continúa evolucionando y expandiéndose en muchos campos. Este proyecto se centrará en explorar la aplicación de los grafos en el Data Science, Machine Learning y Deep Learning a través de un PoC.Graphs are an essential tool for representing, exploring, predicting and explaining phenomena in the real and digital world. With the increasing volume and complexity of data, it is becoming very important to have the ability to handle Big Graphs effectively. In this project, we will address the application of graphs in the field of Artificial Intelligence (AI), specifically in areas such as Data Science (DS), Machine Learning (ML) and Deep Learning (DL). The main objective of this project is to carry out a Proof of Concept (PoC) to explore the potential of graphs in AI and to provide a solid theoretical basis for future research in the field. Graphs have a long history in graph theory and mathematics, and in recent years have found wide applications in data science and artificial intelligence. Graphs are used in social network analysis, product and service recommendation, route optimization and anomaly detection. In the field of Machine Learning, graphs are used for the representation and modelling of structured data, such as social network data, biological data and recommender system data. In addition, graph algorithms are used in community detection, classification and link prediction. In the field of Deep Learning, graphs are used in neural networks that can learn to represent and model graph data, such as social network data and biological data. These graph models have proven to be effective in link prediction, node classification and anomaly detection. This is why graphs are a valuable tool in artificial intelligence and data science, and their application continues to evolve and expand in many fields. This project will focus on exploring the application of graphs in Data Science, Machine Learning and Deep Learning through a PoCColebrook Santamaría, Marcos AlejandroMáster Universitario en Ciberseguridad e Inteligencia de Datos Por la Ull202420242024info:eu-repo/semantics/masterThesisapplication/pdfhttp://riull.ull.es/xmlui/handle/915/36485reponame:RIULL. Repositorio Institucional de la Universidad de La Lagunainstname:Universidad de La Laguna (ULL)Españolinfo:eu-repo/semantics/openAccessLicencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 Internacional)https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es_ESoai:riull.ull.es:915/364852026-06-22T13:13:57Z
score 15.81155

Registos relacionados