(Bachelor) Vorhersage von Software Antwortzeiten mithilfe von Maschine Learning

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

https://go.uniwue.de/eismann


Johannes Grohmann, M.Sc.
johannes.grohmann@uni-wuerzburg.de 

https://go.uniwue.de/grohmann