Por favor, use este identificador para citar o enlazar este ítem: http://infotec.repositorioinstitucional.mx/jspui/handle/1027/738
Analysis of Systems’ Performance in Supervised Learning Challenges
SERGIO MARTIN NAVA MUÑOZ
MARIO GRAFF GUERRERO
Acceso Abierto
Atribución-NoComercial-CompartirIgual
Sistemas de aprendizaje supervisado
El rápido crecimiento del aprendizaje automático en los últimos años ha llevado al desarrollo de numerosos algoritmos y modelos que requieren métodos de evaluación efectivos. Las competiciones entre algoritmos, que comparan el rendimiento de los modelos en condiciones similares, se han convertido en una herramienta esencial en este proceso. Sin embargo, la mayoría de la literatura existente se centra en métodos estadísticos y métricas tradicionales para la comparación de algoritmos, sin tener en cuenta los aspectos únicos de los entornos competitivos. Esta tesis introduce nuevas herramientas y metodologías diseñadas para abordar los desafíos específicos que plantean las competiciones algorítmicas. Los enfoques propuestos tienen como objetivo facilitar la comparación justa y precisa de algoritmos en competencia, considerando las dinámicas particulares de los entornos competitivos. A través de una revisión exhaustiva de los métodos existentes, mejoras a las técnicas actuales y la introducción de herramientas novedosas, esta investigación contribuye al desarrollo de un marco más robusto para la evaluación de algoritmos en competiciones. Se espera que los resultados mejoren el proceso de evaluación, haciéndolo más adaptable y preciso en escenarios impulsados por la competencia.
INFOTEC Centro de Investigación e Innovación en Tecnologías de la Información y Comunicación
2024-10
Tesis de doctorado
Inglés
Estudiantes
Investigadores
Otros
Nava Muñoz, Sergio Martín. (2024). Analysis of Systems’ Performance in Supervised Learning Challenges. INFOTEC Centro de Investigación e Innovación en Tecnologías de la Información y Comunicación.
TECNOLOGÍA DE LAS TELECOMUNICACIONES
Versión publicada
publishedVersion - Versión publicada
Aparece en las colecciones: Doctorado en Ciencias en Ciencia de Datos

Cargar archivos:


Fichero Tamaño Formato  
INFOTEC_SMNM_DCCD_15012025.pdf1.67 MBAdobe PDFVisualizar/Abrir