Benchmark for machine learning frameworks and libraries on iOS

Debido al incremento en el poder de procesamiento que los dispositivos móviles han tenido en los últimos años, la posibilidad de implementar y usar modelos de Machine Learning y deep learning en dispositivos de mano ha incrementado. Esto ha brindado a los desarrolladores de aplicaciones móviles, la...

Full description

Autores:: Pulido Gil, Juan Camilo

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2021

Institución:: Universidad de los Andes

Repositorio:: Séneca: repositorio Uniandes

Idioma:: eng

Description
Summary:	Debido al incremento en el poder de procesamiento que los dispositivos móviles han tenido en los últimos años, la posibilidad de implementar y usar modelos de Machine Learning y deep learning en dispositivos de mano ha incrementado. Esto ha brindado a los desarrolladores de aplicaciones móviles, la oportunidad de integrar el poder del Machine Learning y el deep learning con sus aplicaciones, consiguiendo un nuevo nivel de experiencia de usuario. A pesar de que esto representa un gran paso en términos del desarrollo móvil, nuevos problemas deben ser tenidos en cuenta. Hay muchas librarías y frameworks que ofrecen la posibilidad de entrenar y generar modelos, pero ¿Qué herramienta es la más eficiente en términos de los requerimientos de las aplicaciones? ¿Escoger una herramienta representa tener que sacrificar algo en términos de algún atributo de calidad? Actualmente no hay ninguna herramienta o benchmark que ofrezca la posibilidad de probar las diferentes librerías o frameworks para escoger la mejor opción del mercado. En esta tesis, se propone una aplicación especializada para iOS, teniendo en cuenta los atributos de calidad relevantes para el contexto del proyecto, estos son: Tiempo para entrenar el modelo, tiempo que se toma el modelo para clasificar un elemento, el espacio en disco ocupado por el modelo y la precisión obtenida por el modelo. Adicionalmente, un primer acercamiento a una comparación entre diferentes modelos entrenados con varios frameworks y librerías es realizado, permitiendo así, llegar a unas conclusiones iniciales acerca de los sacrificios necesarios dependiendo de los requerimientos de las aplicaciones.

Benchmark for machine learning frameworks and libraries on iOS

Publicaciones similares