• Media type: Text; Electronic Thesis; E-Book
  • Title: Machine learning algorithms for behavior prediction in cloud computing architectures ; Algorithmes d'apprentissage automatique pour la prédiction de comportement dans les architectures de cloud computing
  • Contributor: Callara, Matías Ezequiel [Author]
  • imprint: theses.fr, 2019-09-23
  • Language: English
  • Keywords: Behavior prediction ; Cloud computing ; Technique d'estimation adaptative ; Performance de prédiction ; Temporal patterns extraction ; Modélisation d’utilisateur ; User Behavior Analytics (UBA) ; Adaptive estimation technique ; Prédiction de comportement ; Data engineering ; Ingénierie des données ; Estimation par noyau ; Temporal patterns extraction 8.Prediction of application launches ; Prediction performance ; Extraction de motifs temporels ; User modeling ; Analyse du comportement des utilisateurs ; Kernel Density Estimation (KDE) ; Prédiction des lancements d'applications
  • Origination:
  • Footnote: Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
  • Description: Les solutions de cloud computing fournissent des applications, des capacités de stockage et des ressources de calcul via un réseau. Les multiples avantages de ces technologies les ont rendues omniprésentes. Cependant, des temps de chargement de plusieurs secondes de ces services peuvent compromettre l'expérience des utilisateurs. L’idée est d’analyser le comportement des utilisateurs pour prévoir l’utilisation des applications et réduire considérablement leur temps de lancement en les chargeant a l’avance. Nous proposons un pipeline de modélisation et de prédiction du comportement des utilisateurs qui présente plusieurs avantages. Il convient aux clients disposant de peu de données, car il permet d’introduire une connaissance du domaine. Pour avoir de bonnes performances, il n’est pas nécessaire que les données soient partagées par les clients. Il permet aussi de choisir entre l'approche d'estimation par lots ou en ligne. L'architecture modulaire de notre solution la rend robuste, facile a débuguer et permet une amélioration progressive du système. Nous avons testé les performances du pipeline avec des données réelles. Nous avons pu, avec une initialisation par défaut des paramètres, diviser par deux le temps de lancement moyen d'un groupe de 13 s a 6,5 s avec au maximum 20% de consommation de ressources additionnelles, et si nécessaire, même atteindre 2,6 s avec au maximum 40% de consommation de ressources additionnelles. Enfin, la solution proposée a été mise en œuvre et entièrement intégrée dans un logiciel de virtualisation d’applications déployé auprès de clients du monde entier et testée a plusieurs reprises dans des conditions réelles pour valider les performances. ; Cloud computing solutions provide applications, storage capabilities, and computational resources through a network. although the multiple advantages of these technologies have made them ubiquitous, loading times of several seconds of these services can jeopardize the users' experience. the idea is to analyze the user behavior to predict the ...
  • Access State: Open Access