Asynchronous AI Controller for IBrain2u with On-The-Fly Training for Incremental Learning

Rinaldi, Rafi (2023) Asynchronous AI Controller for IBrain2u with On-The-Fly Training for Incremental Learning. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07211940000059-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (12MB) | Request a copy

Abstract

Currently, on a system running on iBrain's back-end architecture, the training method used still uses the batch training method. The batch training method used in iBrain is considered ineffective and takes up a lot of human resources and costs. This research was carried out to develop a training system model contained in the iBrain system automatically. To achieve automation in the iBrain system, we carry out a system consisting of an API developed using Python with the FAST API library and other supporting libraries, a PACS System, a blob data storage system, a database management system using Postgre, and an incremental learning method. The incremental learning method that will be chosen in this study is an integral part of carrying out incremental learning in this application without experiencing forgetfulness. In addition to the incremental learning method that will be examined, in this study the deployment method chosen is also an essential part of this research, where we conduct research using Docker to deploy several servers that are needed on this system, how Docker works for this system will also be the research section, where how to interact, optimize, and docker best practices will be examined in the development of this system. This research is expected to replace the current batch learning.
=================================================================================================================================
Saat ini pada sistem yang berjalan pada arsitektur bagian back end iBrain metode pelatihan yang digunakan masih menggunakan metode batch training. Metode batch training yang digunakan pada iBrain ini dinilai tidak efektif dan memakan banyak sumber daya manusia dan biaya. Penelitian ini dilaksanakan untuk mengembangkan model sistem pelatihan yang terdapat pada sistem iBrain secara otomatis. Untuk mencapai otomatisasi pada sistem iBrain tersebut, kami mengemban suatu sistem yang terdiri dari sebuah API yang dikembangkan menggunakan Python dengan library FAST API dan library penyokong lainnya, sistem penyimpanan data blob, PACS System ,sistem manajemen basis data dengan menggunakan Postgres SQL, dan sebuah metode pembelajaran inkremental. Metode pembelajaran inkremental yang akan dipilih pada penelitian ini merupakan salah satu bagian integral dalam menjalankannya pembelajaran inkremental pada aplikasi ini tanpa mengalami bencana lupa. Selain metode pembelajaran inkremental yang akan diteliti, pada penelitian ini metode deployment yang dipilih juga merupakan bagian penting dari penelitian ini, dimana kami melakukan penelitian menggunakan docker untuk men-deploy beberapa server yang diperlukan pada sistem ini, cara kerja docker untuk sistem ini juga akan menjadi bagian penelitian, dimana cara berinteraksi, optimasi, dan best practice docker akan diteliti pada pengembangan sistem ini. Penelitian ini diharapkan dapat mengganti pembelajaran batch yang berjalan saat ini.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	API, PACS System, Docker
Subjects:	Q Science > QA Mathematics > QA76.6 Computer programming. Q Science > QA Mathematics > QA76.76.A63 Application program interfaces T Technology > T Technology (General) > T57.84 Heuristic algorithms.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Rafi Rinaldi
Date Deposited:	10 Oct 2023 04:00
Last Modified:	10 Oct 2023 04:00
URI:	http://repository.its.ac.id/id/eprint/101289

Actions (login required)

View Item