Публікація:
Аналіз алгоритмів машинного навчання для автоматичного масштабування контейнерних застосунків

dc.contributor.authorВласов, В. І.
dc.date.accessioned2024-02-26T19:49:45Z
dc.date.available2024-02-26T19:49:45Z
dc.date.issued2023
dc.description.abstractМетою 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.
dc.identifier.citationВласов 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.
dc.identifier.urihttps://openarchive.nure.ua/handle/document/25772
dc.language.isouk
dc.subjectавтоматичне масштабування
dc.subjectмашинне навчання
dc.subjectконтейнерні застосунки
dc.subjectуправління ресурсами
dc.subjectq-навчання
dc.titleАналіз алгоритмів машинного навчання для автоматичного масштабування контейнерних застосунків
dc.typeOther
dspace.entity.typePublication

Файли

Оригінальний пакет
Зараз показано 1 - 1 з 1
Завантаження...
Зображення мініатюри
Назва:
2023_M_KITS_Vlasov_VI.pdf
Розмір:
1.85 MB
Формат:
Adobe Portable Document Format
Ліцензійний пакет
Зараз показано 1 - 1 з 1
Немає доступних мініатюр
Назва:
license.txt
Розмір:
9.55 KB
Формат:
Item-specific license agreed upon to submission
Опис: