Documenti full-text disponibili:
Abstract
Al giorno d’oggi sempre più aziende richiedono una maggiore flessibilità da poter applicare nell'esecuzione dei propri task computazionali. In questa tesi si vuole svolgere un'analisi dei costi e benefici che Google Cloud Platform (GCP), uno dei leader tra le suite di servizi di cloud computing, offre per l'esecuzione di algoritmi di machine learning. Vengono presentate diverse metodologie con le quali è possibile eseguire questi algoritmi sulla piattaforma in cloud di Google. In particolare, viene approfondito il tema della conteinerizzazione per creare un framework di automatizzazione che riesca ad eseguire algoritmi di machine learning, sfruttando l'efficienza prestazionale dei software container. Si svolge quindi una serie di test ed un confronto, in termini di costi e benefici, tra Google Cloud Platform ed un cloud tradizionale fornito da un provider privato.
Abstract
Al giorno d’oggi sempre più aziende richiedono una maggiore flessibilità da poter applicare nell'esecuzione dei propri task computazionali. In questa tesi si vuole svolgere un'analisi dei costi e benefici che Google Cloud Platform (GCP), uno dei leader tra le suite di servizi di cloud computing, offre per l'esecuzione di algoritmi di machine learning. Vengono presentate diverse metodologie con le quali è possibile eseguire questi algoritmi sulla piattaforma in cloud di Google. In particolare, viene approfondito il tema della conteinerizzazione per creare un framework di automatizzazione che riesca ad eseguire algoritmi di machine learning, sfruttando l'efficienza prestazionale dei software container. Si svolge quindi una serie di test ed un confronto, in termini di costi e benefici, tra Google Cloud Platform ed un cloud tradizionale fornito da un provider privato.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Marini, Luca
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
google,machine learning,cloud,cloud computing,docker,kubernetes,google cloud platform,algoritmi,xgboost
Data di discussione della Tesi
8 Ottobre 2020
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Marini, Luca
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
google,machine learning,cloud,cloud computing,docker,kubernetes,google cloud platform,algoritmi,xgboost
Data di discussione della Tesi
8 Ottobre 2020
URI
Statistica sui download
Gestione del documento: