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

Abstract

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.