Prognosegestützte und aktive Optimierung von Cloud-Ressourcen

Der Workshop zeigt anhand praktischer Beispiele den innovativen Ansatz zur proaktiven Optimierung von Cloud-Ressourcen basierend auf der dynamischen und voraussichtlichen Nutzung der Komponenten. Die Vorhersage der Anwendungsauslastung wird einem modernen, auf maschinellem Lernen basierten Solver bereitgestellt. Dieser berechnet daraus einen optimalen Bereitstellungsplan für die Anwendung, um den zukünftigen Bedarf zu prognostizieren. Für die Vorhersage einer optimalen Lösung werden modernste Methoden wie ES-Hybrid und innovative, auf Monte Carlo Tree Search basierende Solver verwendet.

Paweł Skrzypek ist erfahrener Architekt von IT-Lösungen, insbesondere im Bereich der Verarbeitung großer Datensätze und Machine-Learning-Lösungen. In den Jahren 2006 – 2015 hat er die Architektur von IT-Systemlösungen für die größten Unternehmen in Polen mitgestaltet. In den Jahren 2016-2019 führte er Projekte im Bereich Cloud Computing und KI durch und implementierte eine der fortschrittlichsten KI-Lösungen für die Investmentbranche. Technischer Direktor der Multicloud-Optimierungs- und Verwaltungsplattform MELODIC.

Marta Różańska ist PhD-Studentin an der Universität von Oslo sowie Forscherin bei 7bulls. Sie arbeitet seit 4 Jahren an der Optimierung von Cloud Computing sowohl für kommerzielle als auch für Forschungsprojekte, es ist auch ein Thema ihrer Doktorarbeit. Marta leitet die Entwicklung der proaktiven Anpassungsfunktion im laufenden MORPHEMIC-Projekt.

Alicja Reniewicz ist technische Leiterin des MELODIC-Entwicklungsteams und Full-Stack-Entwicklerin (in Technologien rund um Webanwendungen: Java, Spring, Angular), Code-Integration und -Wartung, Nutzung von Cloud-Diensten auch in der Programmierung. Alicja präsentiert die MELODIC Plattform auf verschiedenen Konferenzen potentiellen Kunden aus technischer Sicht vor.

This post is also available in: Englisch