piwik-script

Intern
    Chair of Computer Science II - Software Engineering

    (Bachelor) Vorhersage von Software Antwortzeiten mithilfe von Maschine Learning

    22.01.2019

    Motivation

    Die Antwortzeit von Software System vorhersagen zu können ermöglicht es frühzeitig die Performance des Systems zu optimieren. Existierende Techniken trainieren Maschine Learning Modelle auf Monitoring Daten um die Antwortzeit des gesamten Systems, eines Subsystems oder einer einzelnen Software-Komponente vorherzusagen. Bisher wurde dieser Ansatz allerdings nur für Systeme mit einem einzelnen Anfragetypen und einem einzelnen Maschine Learning Algorithmus angewendet. Im Rahmen dieser Arbeit soll dieser Ansatz für Systeme mit mehreren Anfragetypen erweitert werden und die Anwendbarkeit von unterschiedlichen Maschine Learning Algorithmen evaluiert werden.

    Ziele

    • Benchmarking eines Systems mit mehreren Anfragetypen
    • Erweiterung des Ansatzes für mehrere Anfragetypen
    • Evaluation der Anwendbarkeit unterschiedlicher Maschine Learning Algorithmen

    Wir bieten

    • Einblick in das Benchmarking von Softwaresystemen
    • Einblick in Tools und Algorithmen für Maschine Learning
    • Eine hervorragende Arbeitsumgebung und intensive Betreuung

    Dauer

    3 Monate

    Kontakt

     

    Simon Eismann, M.Sc.
    simon.eismann@uni-wuerzburg.de
    
    http://go.uni-wuerzburg.de/eismann
    
    
    Johannes Grohmann, M.Sc.
    johannes.grohmann@uni-wuerzburg.de 
    
    http://go.uni-wuerzburg.de/grohmann

    Zurück