Trabajo de grado - Maestría
Arquitectura computacional de analítica de datos IoT para el connected home basada en deep learning
Registro en:
Universidad de Caldas
Repositorio institucional Universidad de Caldas
Autor
Castañeda Osorio, Carlos Andres
Institución
Resumen
Ilustraciones, gráficas spa:El internet de las cosas (IoT) es un paradigma informático que se expande día a día junto con la cantidad de dispositivos conectados a la red, por eso transmitir información de manera segura y poder utilizar toda la capacidad computacional de los dispositivos que la componen para analizar los generados. Los datos constituyen uno de los grandes desafíos que se intenta resolver bajo la arquitectura computacional propuesta en el presente artículo. eng:The internet of things (IoT) is a computing paradigm that expands every day along with the number of devices connected to the network, that’s why transmit information safely and be able to use all the computational capacity of the devices that compose it to analyze the generated data is one of the great challenges that it is tried to solve under the computational architecture proposed in the present article. 1. Introducción / 1.1. Campo Temático /1.2. Planteamiento del Problema . . . . . . / 1.3. Justificación / 1.4. Objetivos /1.4.1. Objetivo General/ 1.4.2. Objetivos Específicos / 1.5. Estructura del documento / 2. Revisión Bibliográfica /´ 2.1. IoT / 2.2. MQTT / 2.3. Machine Learning / 2.3.1. Máquinas de soporte vectorial / 2.3.2. Clustering con K-Means / 2.3.3. Deep Learning/ 2.3.4. Redes neuronales convolucionales (ConvNets) / 2.3.5. Redes neuronales / 2.4. Big Data . . . . . . . . / 2.5. Fog Computing / 3. Descripción detallada del proceso / 3.1. Materiales y métodos / 3.1.1. Benchmarking a proveedores de servicios en la nube / 3.1.2. Distribución de los Datos analizados / 3.1.3. Dispositivos Físicos Utilizados/ 3.1.4. Servicios nube / 3.1.5. Aplicaciones de algoritmos de Deep learning para el hogar conectado / 3.1.6. Diseño de la solución ˜ on /3.1.7. Detalles de aplicación implementación ´ on y validación ´ / 3.1.8. Resumen / 4 4. Análisis de Resultados / 4.1. Resultados del Fog computing / 4.2. Fog Computing con Movidious / 4.3. Resultados de transmisión y almacenamiento en la nube/ 4.4. Resultados prueba de validación con datos de cocina / 4.5. Resultados del modelo de redes neuronales convolucionales para el análisis de imágenes /4.6. Resumen / 5. Conclusiones y trabajo futuro Maestría Magister en Ingeniería Computacional Machine learning Internet of Things Inteligencia Artificial