Use este identificador para citar ou linkar para este item:
https://bia.ifpi.edu.br/jspui/handle/123456789/5243| Tipo: | Trabalho de Conclusão de Curso |
| Título: | APIs de visão computacional em plataformas de machine learning como serviço (MLaaS): uma análise comparativa |
| Autor: | Gomes, Yara Beatriz Ferreira |
| Orientador(a): | Silva Neto, Manuel Gonçalves da |
| 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. |
| 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. |
| Palavras-chave: | Computação em nuvem Inteligência artificial Machine learning |
| Cnpq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| metadata.dc.language: | por |
| País: | Brasil |
| Editor: | Instituto Federal de Educação, Ciência e Tecnologia do Piauí |
| Sigla: | IFPI |
| Unidade: | Campus Pedro II |
| Tipo de acesso: | Acesso Aberto |
| URI: | https://bia.ifpi.edu.br/jspui/handle/123456789/5243 |
| Data do documento: | Ago-2025 |
| Aparece nas coleções: | Tecnologia em Análise e Desenvolvimento de Sistemas - Pedro II |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| 2025_tcc_ybfgomes.pdf | 508.07 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.