Análisis y diseño de predictor de fallos en supercomputadores mediante técnicas de aprendizaje automático

Pérez Hernández, Ramón (2017). Análisis y diseño de predictor de fallos en supercomputadores mediante técnicas de aprendizaje automático. Tesis (Master), E.T.S.I. Telecomunicación (UPM).

Descripción

Título: Análisis y diseño de predictor de fallos en supercomputadores mediante técnicas de aprendizaje automático
Autor/es:
  • Pérez Hernández, Ramón
Director/es:
  • Dueñas López, Juan Carlos
Tipo de Documento: Tesis (Master)
Título del máster: Ingeniería de Telecomunicación
Fecha: 2017
Materias:
Palabras Clave Informales: Predictor; fallos; supercomputadores; aprendizaje automático; modelo; ciencia de datos
Escuela: E.T.S.I. Telecomunicación (UPM)
Departamento: Ingeniería Telemática y Electrónica
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (5MB) | Vista Previa

Resumen

Este proyecto se centra en realizar un modelo de aprendizaje automático que permita predecir el tipo de fallo producido en un serie de supercomputadores en producción pertenecientes a LANL (Los Alamos National Laboratory), analizando un conjunto de datos públicos que contienen trazas de errores registradas durante un periodo de 10 años. Se tomaron como referencias las investigaciones y estudios realizados sobre dicho conjunto de datos, analizando las posibilidades y limitaciones presentes de cara a la definición y resolución de problemas no planteados en dichos trabajos. Se eligió como objetivo final la clasificación de los fallos que aparecen sin catalogar en el conjunto de datos original. Se siguió una metodología propia de un proyecto de ciencia de datos, con unas fases claramente diferenciables, extrayendo las conclusiones pertinentes a partir de las decisiones tomadas en el proyecto y de la bondad de los resultados.

Más información

ID de Registro: 47682
Identificador DC: http://oa.upm.es/47682/
Identificador OAI: oai:oa.upm.es:47682
Depositado por: Biblioteca ETSI Telecomunicación
Depositado el: 07 Sep 2017 12:22
Ultima Modificación: 07 Sep 2017 12:22
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM