DISTRIBUCION DE ANALISIS DE DATOS Y APRENDIZAJE EN TECNOLOGIAS EDGE-SUPERCOMPUTI...
LA DISTRIBUCION DE ANALISIS DE DATOS (DA) ENTRE DISPOSITIVOS CERCA DE LA GENERACION DE DATOS (EDGE) Y INFRAESTRUCTURAS DE COMPUTACION DE ALTAS PRESTACIONES (HPC), COMO EL CLOUD Y LOS SUPERCOMPUTADORES, REQUIERE LA CARACTERIZACION...
ver más
Descripción del proyecto
LA DISTRIBUCION DE ANALISIS DE DATOS (DA) ENTRE DISPOSITIVOS CERCA DE LA GENERACION DE DATOS (EDGE) Y INFRAESTRUCTURAS DE COMPUTACION DE ALTAS PRESTACIONES (HPC), COMO EL CLOUD Y LOS SUPERCOMPUTADORES, REQUIERE LA CARACTERIZACION DE LA CARGA COMPUTACIONAL, CON TAL DE ASIGNAR DE FORMA CORRECTA RECURSOS DE COMPUTACION. TAL CARGA DE DA ES LA BASE DE LOS SISTEMAS DE GENERACION DE CONOCIMIENTO EN EL EDGE, COMO POR EJEMPLO LAS SMART CITIES Y LA FEDERACION DE INTELIGENCIA ARTIFICIAL PARA FINES MEDICOS. LOS PROCESOS DE ANALITICAS ACTUALES ESTAN ORIENTADOS A LA CENTRALIZACION DE DATOS EN INFRAESTRUCTURAS HPC, SUPONIENDO UN PROBLEMA RESPECTO A LA PRIVACIDAD DE DATOS, MIENTRAS QUE REALIZAR EL PROCESO EN DISPOSITIVOS EDGE DISTRIBUIDOS NO SIEMPRE ES POSIBLE DADO LOS REQUISITOS COMPUTACIONALES DE TALES PROCESOS. EL PODER CONOCER LA DISPONIBILIDAD Y CAPACIDAD DE LOS RECURSOS ENTRE EL EDGE Y LOS SISTEMAS HPC GARANTIZA LA ORQUESTACION DE PROCESOS (ASIGNACION DE TIEMPO, EMPLAZAMIENTO, APROVISIONAMIENTO DE RECURSOS COMPUTACIONALES, Y SERIALIZACION DE PROCESOS), DESPLEGANDO LOS PROCESOS DA EN RECURSOS DISPONIBLES DISTRIBUIDOS SIN NECESIDAD DE CENTRALIZACION. PARA ELLO, METODOS DE INTELIGENCIA ARTIFICIAL Y APRENDIZAJE AUTOMATICO PARA SERIES DE TIEMPO MULTI-DIMENSIONALES PUEDEN DETECTAR Y PREVER COMPORTAMIENTOS Y PATRONES EN LA DEMANDA DE RECURSOS POR PARTE DE TALES PROCESOS, Y OPTIMIZAR DECISIONES EN ORQUESTACION DE PROCESOS Y RECURSOS. EL PROYECTO DALEST PRETENDE CREAR NUEVOS METODOS Y TECNOLOGIAS PARA CARACTERIZAR Y ORQUESTAR PROCESOS DE ANALITICAS DE DATOS DISTRIBUIDAS, USANDO METODOS DE INTELIGENCIA ARTIFICIAL PARA SERIES DE TIEMPO MULTI-DIMENSIONALES, CON TAL DE OPTIMIZAR EL EMPLAZAMIENTO Y USO DE RECURSOS ENTRE EL EDGE Y INFRAESTRUCTURAS HPC. ESTO PERMITIRA UN USO EFICIENTE DE LOS RECURSOS EN REDES DE COMPUTACION ENTRE COMPONENTES Y EL CLOUD Y SUPERCOMPUTADORES, EN SISTEMAS DE ANALITICAS DE DATOS, Y PROCESOS DE INTELIGENCIA ARTIFICIAL Y APRENDIZAJE AUTOMATICO. OMPUTACION EDGE-CLOUD\SERIES DE TIEMPO\MINERIA DE PATRONES\INTELIGENCIA ARTIFICIAL\COMPUTACION ALTAS PRESTACIONES\ANALITICAS DISTRIBUIDAS\DESAGREGACION DE RECURSOS\SUPERCOMPUTACION
Seleccionando "Aceptar todas las cookies" acepta el uso de cookies para ayudarnos a brindarle una mejor experiencia de usuario y para analizar el uso del sitio web. Al hacer clic en "Ajustar tus preferencias" puede elegir qué cookies permitir. Solo las cookies esenciales son necesarias para el correcto funcionamiento de nuestro sitio web y no se pueden rechazar.
Cookie settings
Nuestro sitio web almacena cuatro tipos de cookies. En cualquier momento puede elegir qué cookies acepta y cuáles rechaza. Puede obtener más información sobre qué son las cookies y qué tipos de cookies almacenamos en nuestra Política de cookies.
Son necesarias por razones técnicas. Sin ellas, este sitio web podría no funcionar correctamente.
Son necesarias para una funcionalidad específica en el sitio web. Sin ellos, algunas características pueden estar deshabilitadas.
Nos permite analizar el uso del sitio web y mejorar la experiencia del visitante.
Nos permite personalizar su experiencia y enviarle contenido y ofertas relevantes, en este sitio web y en otros sitios web.