DC Element | Wert | Sprache |
---|---|---|
dc.contributor.advisor | Steffens, Ulrike | - |
dc.contributor.author | Arslan, Yavuz | |
dc.date.accessioned | 2020-09-29T14:56:51Z | - |
dc.date.available | 2020-09-29T14:56:51Z | - |
dc.date.created | 2019 | |
dc.date.issued | 2019-02-12 | |
dc.identifier.uri | http://hdl.handle.net/20.500.12738/8607 | - |
dc.description.abstract | Die Popularität maschinellen Lernens steigt rasant. Immer mehr Unternehmen nutzen dessen Potenzial, um aus Daten wertvolle Vorhersagen zu generieren. Cloudbasierte Dienste bieten dabei die Chance, die Vorteile maschinellen Lernens leicht und schnell in eigene Anwendungen zu integrieren und gleichzeitig die Vorzüge des Cloud Computing zu nutzen. Diese Thesis untersucht die cloudbasierten Machine Learning Services von Amazon, Google, IBM und Microsoft. Für die Dienste der Gesichts- und Sentimentanalyse werden auÿerdem Tests konzipiert, um die Anbieter untereinander zu vergleichen und sie anhand ihrer Qualität zu bewerten. | de |
dc.description.abstract | Popularity in machine learning rises rapidly as more and more companies use its capabilities to generate useful predictions from data. Cloud-based services o er the opportunity to leverage the benefits of machine learning by providing a simple and quick way to integrate them into applications and simultaneously profit by the advantages of cloud computing. This thesis explores the cloud-based machine learning services from Amazon, Google, IBM and Microsoft. Subsequently, the respective face detection and sentiment analysis services are compared against each other to evaluate their qualities. | en |
dc.language.iso | de | de |
dc.rights.uri | http://rightsstatements.org/vocab/InC/1.0/ | - |
dc.subject.ddc | 004 Informatik | |
dc.title | Evaluierung cloudbasierter Machine Learning Services | de |
dc.type | Thesis | |
openaire.rights | info:eu-repo/semantics/openAccess | |
thesis.grantor.department | Department Informatik | |
thesis.grantor.place | Hamburg | |
thesis.grantor.universityOrInstitution | Hochschule für angewandte Wissenschaften Hamburg | |
tuhh.contributor.referee | Sarstedt, Stefan | - |
tuhh.gvk.ppn | 1048944859 | |
tuhh.identifier.urn | urn:nbn:de:gbv:18302-reposit-86092 | - |
tuhh.note.extern | publ-mit-pod | |
tuhh.note.intern | 1 | |
tuhh.oai.show | true | en_US |
tuhh.opus.id | 4531 | |
tuhh.publication.institute | Department Informatik | |
tuhh.type.opus | Bachelor Thesis | - |
dc.subject.gnd | Maschinelles Lernen | |
dc.type.casrai | Supervised Student Publication | - |
dc.type.dini | bachelorThesis | - |
dc.type.driver | bachelorThesis | - |
dc.type.status | info:eu-repo/semantics/publishedVersion | |
dc.type.thesis | bachelorThesis | |
dcterms.DCMIType | Text | - |
tuhh.dnb.status | domain | - |
item.creatorGND | Arslan, Yavuz | - |
item.fulltext | With Fulltext | - |
item.creatorOrcid | Arslan, Yavuz | - |
item.grantfulltext | open | - |
item.cerifentitytype | Publications | - |
item.advisorGND | Steffens, Ulrike | - |
item.languageiso639-1 | de | - |
item.openairecristype | http://purl.org/coar/resource_type/c_46ec | - |
item.openairetype | Thesis | - |
Enthalten in den Sammlungen: | Theses |
Dateien zu dieser Ressource:
Datei | Beschreibung | Größe | Format | |
---|---|---|---|---|
Thesis.pdf | 1.5 MB | Adobe PDF | Öffnen/Anzeigen |
Feedback zu diesem Datensatz
Export
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.