It focuses on the field of MLOps, the discipline that applies DevOps practices to Machine Learning, with a particular emphasis on the medical industry. The main objective is to develop cloud solutions for the efficient and secure management of large amounts of data used in training Machine Learning algorithms. These solutions must cover everything from data storage to the archiving of results obtained from the ML process, managing the entire process in between.

Si concentra sull’ambito MLOps, la disciplina che applica le pratiche di DevOps al Machine Learning, con un’enfasi particolare sull’industria medica. L’obiettivo principale è sviluppare soluzioni cloud per la gestione efficiente e sicura di grandi mole di dati utilizzati nell’addestramento di algoritmi di Machine Learning. Queste soluzioni devono andare dalla conservazione dei dati fino all'archiviazione dei risultati ottenuti dal processo di ML, gestendo tutto il processo nel mezzo.

Gestione e sicurezza dei dati medici: Implementazione di una Pipeline di Data preprocessing per machine learning in ambienti cloud

PANDOLFO, MATTIA
2023/2024

Abstract

It focuses on the field of MLOps, the discipline that applies DevOps practices to Machine Learning, with a particular emphasis on the medical industry. The main objective is to develop cloud solutions for the efficient and secure management of large amounts of data used in training Machine Learning algorithms. These solutions must cover everything from data storage to the archiving of results obtained from the ML process, managing the entire process in between.
2023
Medical Data Management and Security: Implementing a Data Preprocessing Pipeline for Machine Learning in Cloud Environments
Si concentra sull’ambito MLOps, la disciplina che applica le pratiche di DevOps al Machine Learning, con un’enfasi particolare sull’industria medica. L’obiettivo principale è sviluppare soluzioni cloud per la gestione efficiente e sicura di grandi mole di dati utilizzati nell’addestramento di algoritmi di Machine Learning. Queste soluzioni devono andare dalla conservazione dei dati fino all'archiviazione dei risultati ottenuti dal processo di ML, gestendo tutto il processo nel mezzo.
Pipeline
Sicurezza
Preprocessing
Cloud
File in questo prodotto:
File Dimensione Formato  
Pandolfo_Mattia.pdf

accesso riservato

Dimensione 2.56 MB
Formato Adobe PDF
2.56 MB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/80239