Please use this identifier to cite or link to this item:
http://hdl.handle.net/10553/130992
Title: | Flogo: Un DSL para el diseño y gestión del ciclo de vida de una red neuronal | Authors: | Hernández Gálvez, José Juan | Director: | Évora Gómez, José Roncal Andrés, Octavio |
UNESCO Clasification: | 120317 Informática | Issue Date: | 2024 | Abstract: | Este documento describe un lenguaje específico de dominio (DSL) diseñado
para simplificar y automatizar el proceso de creación de redes neuronales. Su
objetivo principal es abstraer la complejidad técnica de frameworks como Py-
Torch o TensorFlow. De esta manera, permite que los desarrolladores puedan
modelar tanto la estructura de redes neuronales como su proceso de entrenamiento
utilizando un lenguaje más intuitivo y directo. Además, incorpora un
generador de código que transforma el modelo descrito con el DSL a código
Python. Esta automatización acelera el proceso de desarrollo y mantenimiento,
haciéndolo más eficiente. Además, simplifica el proceso de desarrollo para
aquellos que no son expertos en redes neuronales, haciendo más comprensible
así los modelos de redes neuronales y fomentando una mayor innovación.
Esta accesibilidad y facilidad de uso permiten que más personas contribuyan
y experimenten con proyectos de inteligencia artificial, impulsando el avance
tecnológico en este área. This document describes a domain-specific language (DSL) designed to simplify and automate the process of creating neural networks. Its primary goal is to abstract the technical complexity of frameworks like PyTorch or TensorFlow. In this way, it allows developers to model both the structure of neural networks and their training process using a more intuitive and straightforward language. Additionally, it incorporates a code generator that transforms the model described with the DSL into Python code. This automation accelerates the development and maintenance process, making it more efficient. Furthermore, it simplifies the development process for those who are not experts in neural networks, thereby making neural network models more comprehensible and fostering greater innovation. This accessibility and ease of use enable more people to contribute to and experiment with artificial intelligence projects, driving technological advancement in this area. |
Department: | Departamento de Informática y Sistemas | Faculty: | Escuela de Ingeniería Informática | Degree: | Grado en Ciencia e Ingeniería de Datos | URI: | http://hdl.handle.net/10553/130992 |
Appears in Collections: | Trabajo final de grado |
En el caso de que no encuentre el documento puede ser debido a que el centro o las/os autoras/es no autorizan su publicación. Si tiene verdadero interés en el contenido del mismo, puede dirigirse al director/a o directores/as del trabajo cuyos datos encontrará más arriba.
Show full item recordItems in accedaCRIS are protected by copyright, with all rights reserved, unless otherwise indicated.