Adaptação, Desenvolvimento e Implantação de uma API para Classificação de Qualidade de Carne com Aprendizado de Máquina: Um Relato de Experiência
Resumo
A implantação de modelos de Aprendizado de Maquina envolvem uma série de características específicas e também enfrentam problemas inerentes a própria área. Isso se deve, em grande parte das vezes, a falta de padrões arquiteturais relevantes ou a sua baixa especificidade. Esse trabalho busca demonstrar uma experiência na implantação de projetos de Machine Learning, através da aplicação de padrões arquiteturais modernos, demonstrado como esse tipo de prática pode auxiliar na implantação dos projetos. Como resultado foi realizada a implantação de uma API integrada a um modelo e através desta atividade, como um resultado secundário, foi realizada uma análise da literatura vigente, observando-se um número baixo de estudos relacionados.
Palavras-chave:
Designe Patterns, Machine Learning, API
Referências
B. W. Boehm, “Machine learning for technical debt identification,” p. 15, 1981.
A. C. D. K. A. A. T. A. L. A. Dimitrios Tsoukalas, Nikolaos Mittas, “Machine learning for technical debt identification,” p. 15, 2022.
M. M. Valliappa Lakshmanan, Sara Robinson, Machine Learning Design Patterns. O’Reilly Media, 2021.
H. Washizaki, “Software engineering patterns for machine learningapplication,” 27th Conference on Pattern Languages of Programs, vol. 55, no. 7, p. 10, 2022.
R. Xu, “A design pattern for deploying machine learning models to production,” Master’s thesis, California State University San Marcos, California - Estados Unidos, 2020.
H. Washizaki, “Studying software engineering patterns for designing machine learning systems,” 10th International Workshop on Empirical Software Engineering in Practice, p. 6, 2019.
C. Huyen, Designing Machine Learning Systems. O’Reilly Media, 2022.
M. Reddy, API design for C++. Elsevier, 2011.
E. Wilde, REST from research to practice. Springer, 2011.
E. F. Eric Freeman, Use a cabeça! Padrões de Projeto. Alta Books, 2022.
L. R. da Silva, “Necessidade de se utilizar boas práticas arquiteturais e padrões de projeto no desenvolvimento de web service baseado na arquitetura restful,” p. 70, 2016.
L. C. Jorge, “Projeto e arquitetura de api rest para sistema de monitoramente de des óticas,” p. 57, 2020.
J. A. O. P. P. Atakan Cetinsoy, Francisco J. Martin, “The past, present, and future of machine learning apis,” JMLR: Workshop and Conference Proceedings, p. 7, 2015.
L. C. de Paula e Silva, “Flowi: Uma plataforma para desenvolvimento e gerenciamente de modelos de aprendizado de máquina,” Master’s thesis, Universidade de São Paulo - USP, São Paulo - Brasil, 2022.
C. E. B. J. L. T. A. T. Byron C. Wallace, Kevin Small, “Deploying an interactive machine learning system in an evidence-based practice center: abstrackr,” Master’s thesis, California State University San Marcos, Tufts University and Tufts Medical Center, 2015.
O. Ulucan, D. Karakaya, and M. Turkan, “Meat quality assessment based on deep learning,” in 2019 Innovations in Intelligent Systems and Applications Conference (ASYU). IEEE, 2019, pp. 1–5.
A. C. D. K. A. A. T. A. L. A. Dimitrios Tsoukalas, Nikolaos Mittas, “Machine learning for technical debt identification,” p. 15, 2022.
M. M. Valliappa Lakshmanan, Sara Robinson, Machine Learning Design Patterns. O’Reilly Media, 2021.
H. Washizaki, “Software engineering patterns for machine learningapplication,” 27th Conference on Pattern Languages of Programs, vol. 55, no. 7, p. 10, 2022.
R. Xu, “A design pattern for deploying machine learning models to production,” Master’s thesis, California State University San Marcos, California - Estados Unidos, 2020.
H. Washizaki, “Studying software engineering patterns for designing machine learning systems,” 10th International Workshop on Empirical Software Engineering in Practice, p. 6, 2019.
C. Huyen, Designing Machine Learning Systems. O’Reilly Media, 2022.
M. Reddy, API design for C++. Elsevier, 2011.
E. Wilde, REST from research to practice. Springer, 2011.
E. F. Eric Freeman, Use a cabeça! Padrões de Projeto. Alta Books, 2022.
L. R. da Silva, “Necessidade de se utilizar boas práticas arquiteturais e padrões de projeto no desenvolvimento de web service baseado na arquitetura restful,” p. 70, 2016.
L. C. Jorge, “Projeto e arquitetura de api rest para sistema de monitoramente de des óticas,” p. 57, 2020.
J. A. O. P. P. Atakan Cetinsoy, Francisco J. Martin, “The past, present, and future of machine learning apis,” JMLR: Workshop and Conference Proceedings, p. 7, 2015.
L. C. de Paula e Silva, “Flowi: Uma plataforma para desenvolvimento e gerenciamente de modelos de aprendizado de máquina,” Master’s thesis, Universidade de São Paulo - USP, São Paulo - Brasil, 2022.
C. E. B. J. L. T. A. T. Byron C. Wallace, Kevin Small, “Deploying an interactive machine learning system in an evidence-based practice center: abstrackr,” Master’s thesis, California State University San Marcos, Tufts University and Tufts Medical Center, 2015.
O. Ulucan, D. Karakaya, and M. Turkan, “Meat quality assessment based on deep learning,” in 2019 Innovations in Intelligent Systems and Applications Conference (ASYU). IEEE, 2019, pp. 1–5.
Publicado
18/10/2023
Como Citar
BALSANELLO, Vitor Gabriel B.; SOUZA, Francisco Carlos M..
Adaptação, Desenvolvimento e Implantação de uma API para Classificação de Qualidade de Carne com Aprendizado de Máquina: Um Relato de Experiência. In: CONGRESSO LATINO-AMERICANO DE SOFTWARE LIVRE E TECNOLOGIAS ABERTAS (LATINOWARE), 20. , 2023, Foz do Iguaçu/PR.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 129-135.
DOI: https://doi.org/10.5753/latinoware.2023.236558.
