Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://earchive.tpu.ru/handle/11683/54007
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Губин, Евгений Иванович | ru |
dc.contributor.author | Шкабара, Анастасия Игоревна | ru |
dc.date.accessioned | 2019-06-05T01:40:10Z | - |
dc.date.available | 2019-06-05T01:40:10Z | - |
dc.date.issued | 2019 | - |
dc.identifier.citation | Шкабара А. И. Исследование методов машинного обучения без учителя для анализа задач в больших вычислительных сетях : магистерская диссертация / А. И. Шкабара ; Национальный исследовательский Томский политехнический университет (ТПУ), Инженерная школа информационных технологий и робототехники (ИШИТР), Отделение информационных технологий (ОИТ) ; науч. рук. Е. И. Губин. — Томск, 2019. | - |
dc.identifier.uri | http://earchive.tpu.ru/handle/11683/54007 | - |
dc.description.abstract | Целью магистерской диссертации является обоснование выбора метода кластеризации данных для поиска закономерностей и аномалий на основе проведенного сравнительного анализа методов кластеризации исходных данных. Найденные закономерности и аномалии могут повлиять на время выполнения задач на вычислительных узлах распределенной системы Большого Адронного Коллайдера (ЦЕРН). Метод кластеризации данных для поиска закономерностей и аномалий позволит предсказывать длительность обработки цепочек заданий в больших вычислительных сетях. | ru |
dc.description.abstract | The purpose of the master's thesis is to choose the optimal data clustering method for patterns and anomalies detection on the basis of comparative analysis of clustering methods. Those patterns and anomalies can affect job execution time on the computational nodes of the distributed system of the Large Hadron Collider (CERN). Data clustering method for patterns and anomalies detection will allow to predict the duration of job chains in large distributed networks. | en |
dc.format.mimetype | application/pdf | - |
dc.language.iso | ru | en |
dc.rights | info:eu-repo/semantics/openAccess | - |
dc.subject | кластеризация | ru |
dc.subject | большая вычислительная сеть | ru |
dc.subject | кластерный анализ | ru |
dc.subject | снижение размерности признакового пространства | ru |
dc.subject | анализ данных | ru |
dc.subject | clustering | en |
dc.subject | large computational network | en |
dc.subject | cluster analysis | en |
dc.subject | dimensionality reduction | en |
dc.subject | data analysis | en |
dc.title | Исследование методов машинного обучения без учителя для анализа задач в больших вычислительных сетях | ru |
dc.type | Students work | - |
local.department | Национальный исследовательский Томский политехнический университет (ТПУ)::Инженерная школа информационных технологий и робототехники (ИШИТР)::Отделение информационных технологий (ОИТ) | - |
local.institut | 7950 | - |
local.localtype | Студенческая работа | - |
dc.subject.oksvnk | 09.04.04 | - |
local.thesis.level | Магистр | ru |
local.thesis.discipline | Программная инженерия | - |
local.local-vkr-id | 552882 | - |
local.vkr-id | 35659 | - |
local.stud-group | 8ПМ7И | - |
local.lichnost-id | 163565 | - |
local.thesis.level-id | 3 | - |
local.tutor-lichnost-id | 203038 | - |
dc.subject.udc | 519.237.8:004.93'14 | - |
Располагается в коллекциях: | Магистерские диссертации |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
TPU715111.pdf | 2,86 MB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.