Dissertação

Cloud-based web application for multivariate time series analysis: A language-agnostic integrative architecture for short- and long-running machine learning algorithms EVALUATED

O crescimento de registos de séries temporais multivariadas em biomedicina tem impulsionado o desenvolvimento de algoritmos para a sua clara interpretação. As redes de Bayes dinâmicas estão entre os métodos mais populares para analisar este tipo de dados, por facilitarem a compreensão das suposições subjacentes.Contudo, o desenvolvimento e utilização de programas relacionados com estas metodologias não espelham o forte progresso teórico que se tem verificado nesta área. De facto, numa era em que inúmeros serviços estão já disponíveis na Internet, é natural que os investigadores e profissionais de saúde estejam relutantes quanto a executar estas aplicações computacionalmente dispendiosas na linha de comandos dos seus computadores. Nesta tese, desenvolveu-se uma aplicação web, disponível em https://vascocandeias.github.io/maestro, que preenche esta lacuna, graças à sua capacidade de executar estes algoritmos exigentes e incorporar qualquer tipo de software programável para análise de dados. A ferramenta proposta conta com uma arquitetura de microsserviços, implementada na nuvem, que comprovadamente lhe permite aumentar a capacidade de forma instantânea, reduzindo, assim, os tempos de execução. A sua escalabilidade é, também, garantida, não se tendo verificado qualquer degradação de desempenho quando a aplicação foi submetida a milhares de pedidos concorrentes. Além disso, a sua versatilidade é demonstrada através do estudo de dados reais. É, ainda, distribuído em https://github.com/vascocandeias/maestro-backend um servidor local idêntico que pode ser usado numa rede interna, para que os dados dos utilizadores nunca saiam de uma rede restrita. Estas ferramentas deverão permitir a fácil e rápida utilização dos mais recentes métodos para análise de dados longitudinais.
aplicação web, arquitetura na nuvem, MAESTRO, redes de Bayes dinâmicas, séries temporais multivariadas

Janeiro 27, 2021, 12:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Susana de Almeida Mendes Vinga Martins

Departamento de Bioengenharia (DBE)

Professor Associado

ORIENTADOR

Alexandra Sofia Martins de Carvalho

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar