Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Viterbo Filho, José | - |
Autor(es): dc.contributor | Drummond, Lúcia Maria de Assumpção | - |
Autor(es): dc.contributor | Nunes, Alan Lira | - |
Autor(es): dc.creator | Santos, Bernardo Gallo Victorino dos | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:14:57Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:14:57Z | - |
Data de envio: dc.date.issued | 2025-02-03 | - |
Data de envio: dc.date.issued | 2025-02-03 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/36301 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1057547 | - |
Descrição: dc.description | Este trabalho aborda a mitigação do Concept Drift em modelos de aprendizado de máquina aplicados à predição de tempo de execução de jobs em sistemas de HPC. Foi desenvolvido um framework adaptativo capaz de lidar com mudanças dinâmicas nos dados, utilizando logs do SLURM da Petrobras. Experimentos comprovaram que estratégias de re-treinamento periódico e janelas de treinamento otimizadas melhoram significativamente as métricas de desempenho, como MAE e MAPE. | - |
Descrição: dc.description | This work addresses the mitigation of concept drift in machine learning models applied to predicting job execution times in HPC systems. An adaptive framework was developed to handle dynamic data changes, using SLURM logs from Petrobras. Experiments confirmed that periodic retraining strategies and optimized training windows significantly improve performance metrics such as MAE and MAPE. | - |
Descrição: dc.description | 33 f. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Concept Drif | - |
Palavras-chave: dc.subject | Computação de alto desempenho | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Análise de desempenho | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | High perfomance computing | - |
Título: dc.title | Mitigando Concept drift em modelos para predição de tempo de execução de Jobs | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: