Detalles de la obra

Título:
Estudio de factibilidad del uso de Machine Learning con múltiples fuentes de datos en el pronóstico del tiempo
Autor(es):
Gnoza Tansini, Natalie; Barberena Allietti, Marcelo Enrique
Pie de imprenta:
Montevideo: Universidad ORT Uruguay, 2018
Descripción física:
191 p. diagrs., fot., tbls., grafs. En línea
Nota de tesis:
Proyecto (Carrera Universitaria). Universidad ORT Uruguay, Facultad de Ingeniería. Montevideo, 2018. Calificación: 95/100
Título obtenido:
Entregado como requisito para la obtención del título de Ingeniero en Sistemas
Tutor:
Sergio Fabián Yovine Seijas
Tribunal:
Carlos Nicolás Fornaro Rosado; Diego David Garbervetsky
Resumen:
El presente trabajo analiza la factibilidad de la utilización de Machine Learning (aprendizaje automático) en el pronóstico del tiempo. Pretende recopilar datos de diferentes fuentes; como ser la información provista por API, la generada por un prototipo de mini estación meteorológica desarrollado mediante Arduino y datos históricos proporcionados por el Instituto Uruguayo de Meteorología. Con esto posteriormente se alimenta un modelo predictivo diseñado, aplicando técnicas y algoritmos de Machine Learning para que a partir de las mediciones de humedad, presión y temperatura realicen predicciones de la variable precipitación. Se presenta una exposición que resume los objetivos del proyecto, indicadores de logros verificables, estudio del estado del arte, contexto tecnológico, conclusiones y futuros pasos. Se describe detalladamente la aplicación desarrollada en Azure, modelos predictivos y el desarrollo de la mini estación con Arduino. En conclusión, se demuestra que el abordaje del tema del pronóstico del tiempo a través de estas técnicas es perfectamente viable y que se requiere seguir avanzando en el estudio, para poder concluir si es posible mejorar las predicciones del clima.
Referencias bibliográficas:
Incluye bibliografía y anexos
Idioma:
Español
Tipo de material:
[Trabajo Final de Carrera]
Ubicación física:
Disponible en línea

Archivos asociados:

Archivo Tamaño Formato
Proyecto 6.58MB application/pdf
Informe del corrector 53kB application/pdf