Mostrar el registro sencillo del ítem

dc.contributor.advisorSoto Valle, Carlos Julio
dc.contributor.authorQuinto Rodríguez, Denecis Noemy
dc.date.accessioned2024-08-21T18:53:50Z
dc.date.available2024-08-21T18:53:50Z
dc.date.issued2024
dc.identifier.urihttp://dspace.utb.edu.ec/handle/49000/16984
dc.descriptionImage recognition using Machine Learning (ML) is a subarea of artificial intelligence (AI) that seeks to enable computers to interpret and understand images in a manner similar to humans. This research focuses on the use of convolutional neural networks (CNNs), which are specifically designed to process gridded data, such as images. The study addresses the processes involved in image recognition, including data collection and preparation, model selection, training, and evaluation. The use of ML in this area is justified due to its high accuracy, automation capability, and adaptability to new tasks, resulting in a significant reduction of human effort. The research is framed in the line of information and communication systems, with a focus on improving efficiency and accuracy in visual pattern identification, also addressing challenges related to biases in training data.es_ES
dc.descriptionImage recognition using Machine Learning (ML) is a subarea of artificial intelligence (AI) that seeks to enable computers to interpret and understand images in a manner similar to humans. This research focuses on the use of convolutional neural networks (CNNs), which are specifically designed to process gridded data, such as images. The study addresses the processes involved in image recognition, including data collection and preparation, model selection, training, and evaluation. The use of ML in this area is justified due to its high accuracy, automation capability, and adaptability to new tasks, resulting in a significant reduction of human effort. The research is framed in the line of information and communication systems, with a focus on improving efficiency and accuracy in visual pattern identification, also addressing challenges related to biases in training data.es_ES
dc.description.abstractEl reconocimiento de imágenes mediante Machine Learning (ML) es una subárea de la inteligencia artificial (IA) que busca que las computadoras interpreten y comprendan imágenes de manera similar a los humanos. Esta investigación se centra en el uso de redes neuronales convolucionales (CNNs), que están diseñadas específicamente para procesar datos en forma de cuadrículas, como las imágenes. El estudio aborda los procesos involucrados en el reconocimiento de imágenes, incluyendo la recopilación y preparación de datos, la selección del modelo, el entrenamiento, y la evaluación. Se justifica el uso de ML en esta área debido a su alta precisión, capacidad de automatización y adaptación a nuevas tareas, lo que resulta en una reducción significativa del esfuerzo humano. La investigación se enmarca en la línea de sistemas de información y comunicación, con un enfoque en mejorar la eficiencia y precisión en la identificación de patrones visuales, abordando también los desafíos relacionados con los sesgos en los datos de entrenamiento.es_ES
dc.format.extent40 p.es_ES
dc.language.isoeses_ES
dc.publisherBabahoyo: UTB-FAFI. 2024es_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectMachine Learninges_ES
dc.subjectReconocimiento de imágeneses_ES
dc.subjectRedes neuronales convolucionales (CNNs)es_ES
dc.titleAlgoritmo de machine Learning en el reconocimiento de imágenes.es_ES
dc.typebachelorThesises_ES


Ficheros en el ítem

Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Atribución-NoComercial-SinDerivadas 3.0 Ecuador
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial-SinDerivadas 3.0 Ecuador