Tem existido uma enorme evolução na área da Internet das Coisas isto faz com que também tenha começado a existir uma maior necessidade de melhorar as suas comunicações para um melhor desempenho dos dispositivos. Esta dissertação apresenta uma proposta de um sistema de comunicação heterogéneo que seja eficiente e que, com ajuda de algoritmos de Machine Learning será possível prever, automaticamente sem intervenção humana, qual o sistema de comunicação usar. O objetivo deste sistema passa por garantir que o utilizador esteja sempre a usar a tecnologia mais adequada para a situação e ambiente em que se encontra e com isto tornar a experiência do dispositivo a melhor possível. O sistema, que inclui software e hardware, foi desenvolvido de forma a ser fácil de usar e de baixo custo. Foi desenvolvida também uma plataforma online, em que utilizador consegue visualizar e monitorizar o sistema em tempo real. Na plataforma é possível introduzir os vários campos que são apresentados, isto é, as características do ambiente em que o dispositivo se encontra e depois o utilizador consegue obter as informações acerca da tecnologia mais adequada a usar, para este caso específico. A eficácia do sistema desenvolvido também foi estudada e testada experimentalmente e foi possível observar uma precisão a rondar os 94% para o edge computing e 96,78% para a API. Os resultados obtidos foram explicados detalhadamente nesta dissertação.

There has been a rapid evolution in the area of the Internet of Things, and this means that a greater need for improved communications, for better device performance, is also in need. This dissertation presents a proposal for an efficient heterogeneous communication system that, with the help of Machine Learning algorithms, will be able to automatically predict, without human intervention, the best communication method to use. The goal of this system is to ensure that the user is always using the most appropriate technology for the situation and environment he is in, and to make the device experience the best possible. The system, which includes software and hardware, was developed to be easy to use and low-cost. An online platform was also developed, where the user can view and monitor the system in real time. In the platform it is possible to enter the various fields that are presented, that is, the characteristics of the environment in which the device is, and then the user can get information about the best technology to use, for this specific case. The effectiveness of the system developed was also studied and experimentally tested, and accuracy of between 94% and 96.78% could be observed depending on the scenario. The results obtained were explained in detail in this dissertation.