Metodología MLOps para la entrega continúa de un modelo de machine learning para el reconocimiento y control de las plagas stenoma catenifer y heilipus lauri en el cultivo de aguacate hass

Simple item page
dc.contributor.advisorArango Londoño, David
dc.contributor.authorRodríguez Torres, Juan Felipe
dc.date.accessioned2024-08-12T19:35:00Z
dc.date.available2024-08-12T19:35:00Z
dc.date.issued2024
dc.description.abstractEste estudio se enfocó en la implementación de una metodología MLOps en la agricultura, específicamente en el cultivo del aguacate Hass, que enfrenta desafíos como las plagas. La metodología MLOps se destaca por mantener la operación y el despliegue de modelos de aprendizaje automático mientras se mejora su rendimiento. El objetivo es desarrollar un modelo de Machine Learning para el reconocimiento y control de plagas, utilizando técnicas de preprocesamiento y selección de características. Se propuso la implementación de una metodología MLOps que permitió la integración, automatización y monitoreo del modelo ML, validándola en un entorno controlado. Se creó una herramienta digital para los científicos de datos, facilitando la predicción y prevención de plagas. El proyecto generó un informe detallado del diseño, ejecución y evaluación de la metodología MLOps, así como la creación de una metodología que permita reevaluar continuamente el rendimiento del modelo de Machine Learning. Este enfoque contribuye a la sostenibilidad y productividad del sector agrícola.
dc.description.abstractengThis study focused on the implementation of the MLOps methodology in agriculture, specifically in Hass avocado cultivation, which faces challenges such as pests. The MLOps methodology stands out for maintaining the operation and deployment of machine learning models while improving their performance. The objective is to develop a machine learning model for pest recognition and control, utilizing preprocessing techniques and feature selection. It was proposed to implement an MLOps methodology that allows for the integration, automation, and monitoring of the ML model, validating it in a controlled environment. The project aims to create a digital tool for data scientists, facilitating pest prediction and prevention.
dc.format.extent137 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttps://vitela.javerianacali.edu.co/handle/11522/3743
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.facultyFacultad de Ingeniería y Ciencias
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectCultivo de aguacate
dc.subjectPlagas Stenoma catenifer
dc.subjectHeilipus lauri
dc.subjectBig data
dc.subjectMachine learning
dc.subjectMLOps
dc.subjectAvocado cultivation
dc.subjectPests Stenoma catenifer
dc.thesis.disciplineFacultad de Ingeniería y Ciencias. Maestría en Ingeniería de Software
dc.thesis.grantorPontificia Universidad Javeriana Cali
dc.thesis.levelMaestría
dc.thesis.nameMagíster en Ingeniería de Software
dc.titleMetodología MLOps para la entrega continúa de un modelo de machine learning para el reconocimiento y control de las plagas stenoma catenifer y heilipus lauri en el cultivo de aguacate hassspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
proyectoGrado.pdf
Size:
5.5 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia_Uso.pdf
Size:
350.37 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ingeniería de Software