APIs de visão computacional em plataformas de machine learning como serviço (MLaaS): uma análise comparativa

Simple item page
dc.contributor.advisor1 Silva Neto, Manuel Gonçalves da
dc.contributor.advisor1Lattes http://lattes.cnpq.br/9433835294642844pt_BR
dc.creator Gomes, Yara Beatriz Ferreira
dc.creator.Lattes http://lattes.cnpq.br/8581843475734935pt_BR
dc.date.accessioned 2026-01-27T21:10:09Z
dc.date.available 2026-01-27T21:10:09Z
dc.date.issued 2025-08
dc.description.abstract Cloud computing has driven the use of Machine Learning as a Service (MLaaS), providing scalability and simplified access to artificial intelligence resources. In this context, this study performs a comparative analysis of major computer vision APIs offered by Amazon Web Services (AWS), Microsoft Azure, Google Cloud Platform (GCP), Google DeepMind (Gemini), and OpenAI (ChatGPT). The research follows a documental and exploratory approach, focusing on technical criteria such as functionality, cost-effectiveness, usability, and ecosystem integration. Results show that cloud-based APIs (AWS, Azure, and GCP) offer robustness and high performance, making them suitable for enterprise environments, while generative models (Gemini and ChatGPT) stand out for flexibility and rapid prototyping. It is concluded that the choice of an MLaaS vision solution should consider the application's complexity, operational cost, and user experience.pt_BR
dc.description.resumo A computação em nuvem tem impulsionado o uso de Machine Learning as a Service (MLaaS), oferecendo escalabilidade e acesso simplificado a recursos de inteligência artificial. Dentro desse contexto, este trabalho realiza uma análise comparativa das principais APIs de visão computacional oferecidas pelas plataformas Amazon Web Services (AWS), Microsoft Azure, Google Cloud Platform (GCP), Google DeepMind (Gemini) e OpenAI (ChatGPT). A pesquisa adota uma abordagem documental e exploratória, considerando critérios técnicos como funcionalidades, custo-benefício, usabilidade e integração com o ecossistema das plataformas. Os resultados indicam que as APIs baseadas em nuvem (AWS, Azure e GCP) apresentam robustez e alto desempenho, sendo adequadas a ambientes corporativos, enquanto os modelos generativos (Gemini e ChatGPT) se destacam pela flexibilidade e prototipação rápida. Conclui-se que a escolha da solução de MLaaS deve considerar o nível de complexidade da aplicação, o custo operacional e a experiência do usuário.pt_BR
dc.identifier.uri https://bia.ifpi.edu.br/jspui/handle/123456789/5243
dc.language porpt_BR
dc.publisher Instituto Federal de Educação, Ciência e Tecnologia do Piauípt_BR
dc.publisher.country Brasilpt_BR
dc.publisher.department Campus Pedro IIpt_BR
dc.publisher.initials IFPIpt_BR
dc.rights Acesso Abertopt_BR
dc.subject Computação em nuvempt_BR
dc.subject Inteligência artificialpt_BR
dc.subject Machine learningpt_BR
dc.subject.cnpq CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.title APIs de visão computacional em plataformas de machine learning como serviço (MLaaS): uma análise comparativapt_BR
dc.type Trabalho de Conclusão de Cursopt_BR

Files

Original bundle

Now showing 1 - 2 of 2
Thumbnail Image
Name:
2025_termo_ybfgomes.pdf
Size:
245.54 KB
Format:
Description:
Download
Thumbnail Image
Name:
2025_tcc_ybfgomes.pdf
Size:
508.07 KB
Format:
Adobe Portable Document Format
Description:
Download

License bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
1.82 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Tecnologia em Análise e Desenvolvimento de Sistemas - Pedro II