Sistemas de archivos paralelos con aplicaciones de Machine Learning /
En la presente Práctica Profesional Supervisada (PPS) se propone la investigación, análisis y evaluación del impacto de aplicaciones del tipo Machine Learning en sistemas de archivos paralelos, a nivel de rendimiento y uso de recursos. Para realizarlo se plantea el estudio en particular del sistema...
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Tesis Libro electrónico |
| Lenguaje: | Español |
| Publicado: |
Florencio Varela :
Universidad Nacional Arturo Jauretche,
2022
|
| Materias: | |
| Acceso en línea: | https://biblioarchivo.unaj.edu.ar/mostrar/pdf/scvsdf/erwe/268a03c29d9db5c22c5f438886659c9687bc38c5 |
| Aporte de: | Registro referencial: Solicitar el recurso aquí |
| Sumario: | En la presente Práctica Profesional Supervisada (PPS) se propone la investigación, análisis y evaluación del impacto de aplicaciones del tipo Machine Learning en sistemas de archivos paralelos, a nivel de rendimiento y uso de recursos. Para realizarlo se plantea el estudio en particular del sistema de archivos paralelo BeeGFS, como infraestructura, y aplicaciones de reconocimiento de imágenes, como herramientas de benchmark para obtener los resultados necesarios y posterior análisis. Los sistemas de archivos paralelos nos permiten incrementar el rendimiento de los “File Servers” que requieren de mayor capacidad de respuesta a operaciones de lectura y escritura por accesos recurrentes y concurrentes a datos, donde los sistemas de archivos convencionales como “Network File System” no pueden satisfacer esta capacidad, entre otras grandes ventajas. Toda la implementación se realizará localmente en un cluster montado con VMware Workstation. |
|---|---|
| Descripción Física: | 75 p. |
| Acceso: | Acceso abierto |