2026-04-19T09:18:00Zhttps://recercat.cat/oai/request

oai:recercat.cat:2117/4451752026-01-20T06:02:55Zcom_2072_1033col_2072_452951

urn:hdl:2117/445175 Optimització d'una sincronització de dades en temps real sota els límits restringits per l'API (Machine learning) Marín Baranda, Max Àrees temàtiques de la UPC::Informàtica::Enginyeria del software Àrees temàtiques de la UPC::Informàtica::Intel·ligència artificial::Aprenentatge automàtic Software engineering Machine learning KNN SVM RL RL RL Enginyeria de programari Aprenentatge automàtic Projecte de fi de grau que té com a objectiu la optimització d'una sincronització de dades en temps real per a la plataforma KOS.gg. La solució proposada es basa en l'ús de tècniques d'aprenentatge automàtic per crear un sistema de priorització. Es van seleccionar els algorismes d'aprenentatge supervisat K-Nearest Neighbors (KNN) i Support Vector Machine (SVM) per a aquesta tasca de regressió, i es va dissenyar l'arquitectura per a l'Aprenentatge per Reforç (RL) com a prova de concepte. L'objectiu final és minimitzar el temps mitjà d'actualització i mantenir la frescor de les dades percebuda pels usuaris. Final Degree Project aiming at the optimization of real-time data synchronization for the KOS.gg platform. The proposed solution is based on the use of Machine Learning techniques to create a prioritization system. The supervised learning algorithms K-Nearest Neighbors (KNN) and Support Vector Machine (SVM) were selected for this regression task, and the architecture for Reinforcement Learning (RL) was designed as a proof of concept. The ultimate goal is to minimize the average update time and maintain the perceived data freshness for the users. 2025-10-22 Bachelor thesis Open Access Universitat Politècnica de Catalunya