Integration von python-basierten Vorhersagemodellen in ein Monitoring-Webdashboard

Bachelorarbeit aus dem Jahr 2020 im Fachbereich Informatik - Kunstliche Intelligenz, Note: 1,0, Fachhochschule Amberg-Weiden, Sprache: Deutsch, Abstract: In dieser Arbeit sollte mittels Deep Learning ein Modell erstellt werden, mit dem sich die Auslastung eines Servers in einem Rechenzentrum vorhersagen lasst. Dafur sollte evaluiert werden, welche Modell-Architektur fur diese Zeitreihenvorhersage am besten geeignet sind. Dafur wurde zunachst eine theoretische Untersuchung durchgefuhrt und anschlieend ein Vergleich der geeigneten Modell-Architekturen angestellt. Es stellte sich heraus, dass ein Convolutional Neural Network (CNN) mit einer Long Short Term Memory (LSTM) Schicht die besten Prognosen erzeugt. Es wurde untersucht, wie sich die Hauptkomponentenanalyse zur Dimensionsreduktion auf die Modelle auswirkt. Dies zeigte, dass die Effekte stark von der Architektur abhangen. Die System-Architektur einer Webanwendung wurde so erweitert, dass es moglich ist, neben der historischen Serverauslastung auch Prognosen anzuzeigen. Die Visualisierungen der aufgezeichneten Daten wurden um die Vorhersagen erweitert. Die Arbeit stellt schlie lich eine Moglichkeit dar, wie der Lebenszyklus des Prognosemodells in einem produktiven System mit stetiger Auslastungsmessung integriert werden kann.