Integration von python-basierten Vorhersagemodellen in ein Monitoring-Webdashboard [German]

By Sebastian Steindl

Bachelorarbeit aus dem Jahr 2020 im Fachbereich Informatik - K nstliche Intelligenz, Note: 1,0, Fachhochschule Amberg-Weiden, Sprache: Deutsch, Abstract: In dieser Arbeit sollte mittels Deep Learning ein Modell erstellt werden, mit dem sich die Auslastung eines Servers in einem Rechenzentrum vorhersagen l sst. Daf r sollte evaluiert werden, welche Modell-Architektur f r diese Zeitreihenvorhersage am besten geeignet sind. Daf r wurde zun chst eine theoretische Untersuchung durchgef hrt und anschlie end ein Vergleich der geeigneten Modell-Architekturen angestellt. Es stellte sich heraus, dass ein Convolutional Neural Network (CNN) mit einer Long Short Term Memory (LSTM) Schicht die besten Prognosen erzeugt. Es wurde untersucht, wie sich die Hauptkomponentenanalyse zur Dimensionsreduktion auf die Modelle auswirkt. Dies zeigte, dass die Effekte stark von der Architektur abh ngen. Die System-Architektur einer Webanwendung wurde so erweitert, dass es m glich ist, neben der historischen Serverauslastung auch Prognosen anzuzeigen. Die Visualisierungen der aufgezeichneten Daten wurden um die Vorhersagen erweitert. Die Arbeit stellt schlie lich eine M glichkeit dar, wie der Lebenszyklus des Prognosemodells in einem produktiven System mit stetiger Auslastungsmessung integriert werden kann.

• Format: Paperback
• Language: German
• ISBN: 3346227014
• ISBN13: 9783346227010
• Release Date: August 2020
• Publisher: Grin Verlag
• Length: 128 Pages
• Weight: 0.39 lbs.
• Dimensions: 0.3" x 5.8" x 8.3"