Публікація: Аналіз алгоритмів машинного навчання для автоматичного масштабування контейнерних застосунків
Завантаження...
Дата
2023
Автори
Назва журналу
ISSN журналу
Назва тома
Видавництво
Анотація
Метою кваліфікаційної роботи є аналіз та порівняння набору алгоритмів машинного навчання для автоматичного масштабування в контейнерних застосунках, зосереджуючись на вдосконаленні стратегій управління ресурсами в хмарних середовищах. Дослідження зосереджується на оцінці ефективності, адаптивності та продуктивності цих алгоритмів за різних умов робочого навантаження. Об'єктом дослідження є процес автоматичного масштабування в контейнерних середовищах. Предметом є алгоритми машинного навчання, призначені для предиктивного та адаптивного управління ресурсами. У роботі проаналізовано та порівняно традиційні стратегії масштабування та передові підходи до машинного навчання, зокрема, з акцентом на Q-learning, Deep Deterministic Policy Gradients (DDPG), Autoregressive Integrated Moving Average (ARIMA) та Long Short-Term Memory (LSTM). За допомогою Python вони були протестовані на адаптивність та ефективність використання ресурсів в умовах різного робочого навантаження. Отримані результати дають уявлення про продуктивність кожного алгоритму, що сприятиме майбутній оптимізації автоматичного масштабування для контейнерних застосунків.
Опис
Ключові слова
автоматичне масштабування, машинне навчання, контейнерні застосунки, управління ресурсами, q-навчання
Бібліографічний опис
Власов В. І. Аналіз алгоритмів машинного навчання для автоматичного масштабування контейнерних застосунків : пояснювальна записка до кваліфікаційної роботи здобувача вищої освіти на другому (магістерському) рівні, спеціальність 123 Комп’ютерна інженерія / В. І. Власов ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки. – Харків, 2023. – 77 с.