Por favor, use este identificador para citar o enlazar este ítem: http://bibliotecavirtual.dgb.umich.mx:8083/xmlui/handle/DGB_UMICH/3537
Título : A software architecture for intelligent time series forecasting based on cloud computing
Autor : García Nava, José Luis
Asesor: Flores Romero, Juan José
Palabras clave : info:eu-repo/classification/cti/7
FIE-M-2018-0959
Aprendizaje automático
Patrones de software
Amazon web services
Fecha de publicación : jun-2018
Editorial : Universidad Michoacana de San Nicolás de Hidalgo
Resumen : Cloud computing enables research institutions to transfer specialized knowledge to external users, as well as to collaboratively work among interdisciplinary, multi-location teams. However, cloud computing is not widely used in mexican research institutions yet. In the case of the research Work Group where this thesis was conceived, a methodology is required to properly deploy its software research products to the cloud. This thesis proposes the design of an architecture for a software system able to integrate the Work Group's research products as a cloud-native application. In accordance with the research lines driven by the Work Group, this software system is intended to apply Arti_cial Intelligence and Machine Learning-based forecasting methods to produce high-quality predictions for time series describing multiple-domain variables. In order to formally express this architecture, a characterization based on the standard for architecture description was designed. This characterization de_nes an architecture model that is oriented to a process view, expressed via block diagrams, and based on software patterns. On this ground, a cloud-native, pattern-based, provider-independent architecture was built. This architecture comprises 15 application components designed to provide cloud functionality to the Work Group's research products. In addition, a reference architecture for deploying the system on the Amazon Web Services cloud was designed.
La computación en la nube permite a las instituciones de investigación transferir conocimiento altamente especializado hacia usuarios externos, así como colaborar en equipos interdisciplinarios, basados incluso en diferentes ubicaciones. Sin embargo, el uso de la computación en la nube todavía no está generalizado en las instituciones de investigación mexicanas. En el caso del Grupo de Trabajo en el que esta tesis fue concebida, se carece de una metodología para trasladar el software resultado de sus investigaciones a la nube. Esta tesis propone el diseño de una arquitectura para un sistema de software que integre los productos de investigación del Grupo de Trabajo en la forma de una aplicación nativa para la nube. En concordancia con las líneas de investigación del Grupo de Trabajo, este sistema tiene por objetivo utilizar métodos de pronóstico basados en inteligencia artificial y aprendizaje automático para producir predicciones de alta calidad para series de tiempo que describan variables de múltiples áreas de conocimiento. Para formalizar esta arquitectura se diseñó una caracterización basada en el estándar para descripciones de arquitectura de sistemas. Esta caracterización de un modelo de arquitectura que está orientado hacia una vista de procesos, expresado mediante diagramas de bloques y basado en patrones de software. En este contexto se construyó una arquitectura nativa para la nube, basada en patrones e independiente de proveedor. Esta arquitectura comprende 15 componentes de aplicación diseñados para proveer funcionalidad en la nube a los productos de investigación del Grupo de Trabajo. Adicionalmente se diseñó una arquitectura de referencia para implantar el sistema en la nube de Amazon Web Services.
Descripción : Facultad de Ingeniería Eléctrica. Maestría en Ciencias en Ingeniería Eléctrica
URI : http://bibliotecavirtual.dgb.umich.mx:8083/xmlui/handle/DGB_UMICH/3537
Aparece en las colecciones: Maestría

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
FIE-M-2018-0959.pdf7.27 MBAdobe PDFVista previa
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.