A machine learning based capacity management system for mainframe resources
Ana bilgisayar kaynakları için makine öğrenimi tabanlı kapasite yönetim sistemi
- Tez No: 759213
- Danışmanlar: PROF. DR. MELTEM SEBA ÖZTURAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: 71
Özet
Bu çalışmanın amacı, Z sistemleri olarak da bilinen ana bilgisayarlar üzerinde çalışan uygulama sunucularının makine öğrenmesi algoritmaları kullanarak kaynak tüketimi için bir kapasite planlama aracı tasarlamaktır. Bu araç, mevcut ve gelecekteki iş yükü taleplerini karşılamak için yeterli kaynakların mevcut olmasını sağlamayı amaçlamaktadır. Arzu edilen sistemin, artan taleplere göre ne kadar ek kapasiteye ihtiyaç duyulacağını belirleme ve daha sonra tahmin etme yeteneğine sahip olması amaçlanmıştır. Bu çalışmada, platform tarafından sağlanan veri analizi, veri mühendisliği, veri yönetişimi ve Yapay Zeka modelleme hizmetlerini kullanarak kapasite planlama modeli oluşturmak için IBM Cloud Pak for Data as a Service kullanılmıştır. Veriler, platform dışında hazırlanıp analiz ve iyileştirme yapmak için platforma aktarılmıştır. Veri iyileştirme adımı tamamlandıktan sonra, makine öğrenme modelleri çeşitli algoritmalar kullanılarak eğitilmiştir. Ardından, platformun test arayüzü kullanılarak modellerin doğruluğunu ve performansını kontrol etmek için fonksiyonel testler yapılmıştır. Bu testlerin sonuçları, yorumlar ve daha fazla araştırma fırsatları da paylaşılmıştır. Tasarlanan kapasite planlama aracının kabul edilebilir hata oranları ile tutarlı tahminler yapabildiği gözlemlenmiştir.
Özet (Çeviri)
The goal of this study is to design a capacity planning tool for resource consumption of application servers which are running on mainframes, also known as Z systems, by using machine learning algorithms. This tool is aimed to ensure adequate resources are available in order to meet current and future workload demands. The desired system is intended to have capability to determine and then forecast how much additional capacity will be needed based on increasing demands. In this study, IBM Cloud Pak for Data as a Service is used to create capacity planning model by using data analysis, data engineering, data governance and Artificial Intelligence modeling services which are provided by the platform. The data is prepared outside of the platform and imported to the platform in order to perform analysis and refinement. After the data refinement step is completed, machine learning models are trained by using several algorithms. Then, functional tests are performed in order to check accuracy and performance of the models by using the test interface of the platform. Results of these tests, comments and further research opportunities are also provided. It is observed that the designed capacity planning tool is capable of making consistent predictions with acceptable error rates.
Benzer Tezler
- Turkey forest fire decision support system (TFFDSS)
Türkiye orman yangını karar destek sistemi (TFFDSS)
ABDULLAH SUKKAR
Yüksek Lisans
İngilizce
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÖZGÜR DOĞRU
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- Makine öğrenmesi kullanılarak mikroşebekelerde talep tarafı yönetimine termal enerji depolamasının dahil edilmesi
Thermal energy storage integration into demand side management in microgrids by using machine learning
KARIM BIO GASSI
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BAYSAL
- Deep metric learning applied to crop classification from multi-spectral multi-temporal remote sensing data
Derin metrik öğrenmenin çoklu-zamanlı ve çoklu-bantlı uzaktan algılanmış verilerden tarım ürünü sınıflandırmaya uygulanması
MERVE BOZO
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Çatı üstü fotovoltaik santraller için yapay zeka tabanlı enerji üretim tahmini
Artficial intelligence – based energy generation estimating for rooftop photovoltaic plants
AGHASALIM GULIYEV
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiBursa Teknik ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER FARUK EFE