Scheduling HPC Jobs with Graph Neural Networks
| Ano de defesa: | 2024 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | eng |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | https://repositorio.udesc.br/handle/UDESC/11377 |
Resumo: | Neste estudo, a otimização da programação de tarefas em Computação de Alto Desempenho (HPC) é explorada utilizando Redes Neurais em Grafos (GNNs). O foco está em comparar diferentes variantes de GNNS. O objetivo é abordar os desafios da programação de tarefas com dependências entre elas em ambientes HPC, aproveitando o conhecimento criado por algoritmos de programação determinísticos para treinar modelos de GNN. Por meio de experimentação extensiva e avaliação, a pesquisa revela as diferenças de desempenho entre as diversas variantes de GNN, demonstrando seu potencial para superar as abordagens tradicionais de programação em termos de eficiência e utilização de recursos. Esta análise não apenas destaca os desempenhos comparativos entre cada variante de GNN, mas também aprimora nosso entendimento das aplicações de GNN na programação de sistemas complexos usando Aprendizado Supervisionado. |
| id |
UDESC-2_dcb1fb8d797d9d3ed5ace57c1a8ec1ef |
|---|---|
| oai_identifier_str |
oai:repositorio.udesc.br:UDESC/11377 |
| network_acronym_str |
UDESC-2 |
| network_name_str |
Repositório Institucional da Udesc |
| repository_id_str |
|
| spelling |
Scheduling HPC Jobs with Graph Neural NetworksAgendamento de Trabalhos HPC com Redes Neurais GráficasComputaçãoComputação de alto desempenhoAprendizado supervisionado (Aprendizado de máquina)Redes neurais (Computação)Agendamento de computadorTeoria dos grafosNeste estudo, a otimização da programação de tarefas em Computação de Alto Desempenho (HPC) é explorada utilizando Redes Neurais em Grafos (GNNs). O foco está em comparar diferentes variantes de GNNS. O objetivo é abordar os desafios da programação de tarefas com dependências entre elas em ambientes HPC, aproveitando o conhecimento criado por algoritmos de programação determinísticos para treinar modelos de GNN. Por meio de experimentação extensiva e avaliação, a pesquisa revela as diferenças de desempenho entre as diversas variantes de GNN, demonstrando seu potencial para superar as abordagens tradicionais de programação em termos de eficiência e utilização de recursos. Esta análise não apenas destaca os desempenhos comparativos entre cada variante de GNN, mas também aprimora nosso entendimento das aplicações de GNN na programação de sistemas complexos usando Aprendizado Supervisionado.Koslovski, Guilherme PiegasPereira, Kleiton2024-12-18T15:43:17Z2024info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis83application/pdfPEREIRA, Kleiton. <b>Scheduling HPC Jobs with Graph Neural Networks</b>. 2024. Dissertação (Pós-Graduação em Computação Aplicada) - Udesc, Joinville, 2024. Disponível em: https://repositorio.udesc.br/handle/UDESC/11377. Acesso em: insira aqui a data de acesso ao material. Ex: 18 fev. 2025.https://repositorio.udesc.br/handle/UDESC/11377Attribution-NonCommercial-ShareAlike 4.0 Brazilhttp://creativecommons.org/licenses/by-nc-sa/4.0/br/info:eu-repo/semantics/openAccessengreponame:Repositório Institucional da Udescinstname:Universidade do Estado de Santa Catarina (UDESC)instacron:UDESC2024-12-19T06:00:53Zoai:repositorio.udesc.br:UDESC/11377Biblioteca Digital de Teses e Dissertaçõeshttps://pergamumweb.udesc.br/biblioteca/index.phpPRIhttps://repositorio-api.udesc.br/server/oai/requestri@udesc.bropendoar:63912024-12-19T06:00:53Repositório Institucional da Udesc - Universidade do Estado de Santa Catarina (UDESC)false |
| dc.title.none.fl_str_mv |
Scheduling HPC Jobs with Graph Neural Networks Agendamento de Trabalhos HPC com Redes Neurais Gráficas |
| title |
Scheduling HPC Jobs with Graph Neural Networks |
| spellingShingle |
Scheduling HPC Jobs with Graph Neural Networks Pereira, Kleiton Computação Computação de alto desempenho Aprendizado supervisionado (Aprendizado de máquina) Redes neurais (Computação) Agendamento de computador Teoria dos grafos |
| title_short |
Scheduling HPC Jobs with Graph Neural Networks |
| title_full |
Scheduling HPC Jobs with Graph Neural Networks |
| title_fullStr |
Scheduling HPC Jobs with Graph Neural Networks |
| title_full_unstemmed |
Scheduling HPC Jobs with Graph Neural Networks |
| title_sort |
Scheduling HPC Jobs with Graph Neural Networks |
| author |
Pereira, Kleiton |
| author_facet |
Pereira, Kleiton |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Koslovski, Guilherme Piegas |
| dc.contributor.author.fl_str_mv |
Pereira, Kleiton |
| dc.subject.por.fl_str_mv |
Computação Computação de alto desempenho Aprendizado supervisionado (Aprendizado de máquina) Redes neurais (Computação) Agendamento de computador Teoria dos grafos |
| topic |
Computação Computação de alto desempenho Aprendizado supervisionado (Aprendizado de máquina) Redes neurais (Computação) Agendamento de computador Teoria dos grafos |
| description |
Neste estudo, a otimização da programação de tarefas em Computação de Alto Desempenho (HPC) é explorada utilizando Redes Neurais em Grafos (GNNs). O foco está em comparar diferentes variantes de GNNS. O objetivo é abordar os desafios da programação de tarefas com dependências entre elas em ambientes HPC, aproveitando o conhecimento criado por algoritmos de programação determinísticos para treinar modelos de GNN. Por meio de experimentação extensiva e avaliação, a pesquisa revela as diferenças de desempenho entre as diversas variantes de GNN, demonstrando seu potencial para superar as abordagens tradicionais de programação em termos de eficiência e utilização de recursos. Esta análise não apenas destaca os desempenhos comparativos entre cada variante de GNN, mas também aprimora nosso entendimento das aplicações de GNN na programação de sistemas complexos usando Aprendizado Supervisionado. |
| publishDate |
2024 |
| dc.date.none.fl_str_mv |
2024-12-18T15:43:17Z 2024 |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
PEREIRA, Kleiton. <b>Scheduling HPC Jobs with Graph Neural Networks</b>. 2024. Dissertação (Pós-Graduação em Computação Aplicada) - Udesc, Joinville, 2024. Disponível em: https://repositorio.udesc.br/handle/UDESC/11377. Acesso em: insira aqui a data de acesso ao material. Ex: 18 fev. 2025. https://repositorio.udesc.br/handle/UDESC/11377 |
| identifier_str_mv |
PEREIRA, Kleiton. <b>Scheduling HPC Jobs with Graph Neural Networks</b>. 2024. Dissertação (Pós-Graduação em Computação Aplicada) - Udesc, Joinville, 2024. Disponível em: https://repositorio.udesc.br/handle/UDESC/11377. Acesso em: insira aqui a data de acesso ao material. Ex: 18 fev. 2025. |
| url |
https://repositorio.udesc.br/handle/UDESC/11377 |
| dc.language.iso.fl_str_mv |
eng |
| language |
eng |
| dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-ShareAlike 4.0 Brazil http://creativecommons.org/licenses/by-nc-sa/4.0/br/ info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Attribution-NonCommercial-ShareAlike 4.0 Brazil http://creativecommons.org/licenses/by-nc-sa/4.0/br/ |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
83 application/pdf |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Udesc instname:Universidade do Estado de Santa Catarina (UDESC) instacron:UDESC |
| instname_str |
Universidade do Estado de Santa Catarina (UDESC) |
| instacron_str |
UDESC |
| institution |
UDESC |
| reponame_str |
Repositório Institucional da Udesc |
| collection |
Repositório Institucional da Udesc |
| repository.name.fl_str_mv |
Repositório Institucional da Udesc - Universidade do Estado de Santa Catarina (UDESC) |
| repository.mail.fl_str_mv |
ri@udesc.br |
| _version_ |
1854121242689273856 |