Crowdsourcing y su implementación en empresas para entrenar modelos de machine learning y algoritmos de inteligencia artificial
[ES] Objetivos: 1. Identificar funciones, beneficios y desventajas de las plataformas de crowdsourcing Amazon Mechanical Turk, Crowdflower y Clickworker. 2. Investigar casos empresariales donde las plataformas de crowdsourcing beneficiaron la calidad de los datos para entrenar modelos de ML y algori...
| 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:10251/210427 |
| Acceso en línea: | https://riunet.upv.es/handle/10251/210427 |
| Access Level: | acceso abierto |
| Palabra clave: | Inteligencia artificial Aprendizaje automático Learning systems Crowdsourcing Machine learning Deep learning Data quality. Artificial intelligence ORGANIZACION DE EMPRESAS Máster Universitario en Gestión de Empresas, Productos y Servicios-Màster Universitari en Gestió d&apos Empreses, Productes i Serveis |
| Sumario: | [ES] Objetivos: 1. Identificar funciones, beneficios y desventajas de las plataformas de crowdsourcing Amazon Mechanical Turk, Crowdflower y Clickworker. 2. Investigar casos empresariales donde las plataformas de crowdsourcing beneficiaron la calidad de los datos para entrenar modelos de ML y algoritmos de IA. Metodología: Investigación cualitativa, centrada en recopilar la información detallada sobre funciones y beneficios de las plataformas de crowdsourcing, y documentar casos de éxito empresariales que resalten los beneficios obtenidos al emplear dichas plataformas. Resultados esperados: Identificar las plataformas óptimas de crowdsourcing para entrenar modelos de ML y algoritmos de IA, sintetizar lecciones aprendidas para las empresas que elijan esta estrategia. Desarrollar un marco teórico que respalde el uso de las mismas plataformas y su implementación en IA, evidenciando la importancia de respaldarse en ellas por diferentes motivos, como la diversidad de datos para crear un modelo más robusto, la corrección de sesgos, alta adaptabilidad. Justificación: La investigación se justifica en virtud de la creciente competencia, derivada de la implementación de la inteligencia artificial en diversos sectores. En este contexto, las empresas requieren optimizar sus procesos y desarrollar algoritmos capaces de sobresalir y superar a sus competidores. El empleo del crowdsourcing emerge como una estrategia innovadora, al posibilitar a las empresas adquirir conocimientos y recursos externos de manera más eficiente, en términos de costes, que las fuentes primarias tradicionales. |
|---|