Análise comparativa de técnicas de aprendizado de máquina implementadas em hardwares de baixo custo.
Devido à facilidade de acesso a hardwares de alto desempenho, há um crescimento exponencial da utilização dos algoritmos e das técnicas de aprendizado de máquina nos últimos anos. Em paralelo a isso, o acesso à Internet tem se popularizado e a prova disso é que estamos cercados de dispositivos inteligentes como televisores, celulares, assistentes pessoais e outros dispositivos portáteis, como relógios, por exemplo. Além disso, vários equipamentos industriais de baixo custo e com hardware simples para aplicações específicas, como dispositivos de monitoramento ambiental, controles remotos e câmeras, começam a ser dotados de acesso à Internet, o que possibilita a utilização de algoritmos de aprendizado de máquina, rodando em um servidor ou cluster externo (na nuvem), para análise dos dados obtidos. Com este cenário, é útil saber quais são as restrições para execução dos algoritmos de aprendizagem de máquina em hardware de baixo custo, bem como os respectivos desempenhos. Isto se faz necessário, pois nem sempre é possível processar os dados coletados por estes dispositivos em equipamentos de maior poder de processamento. Neste trabalho, é proposta uma avaliação de alguns algoritmos de aprendizado de máquina, analisando as necessidades para execução destes algoritmos, implementando em um conjunto de hardwares de uso comum do mercado, efetuando comparativos e análise do uso do algoritmo com o hardware.