Raspodijeljeno ocjenjivanje brzih tokova podataka

diplomski rad

• Naslov (engleski): Distributed scoring of fast data streams
• Autor: Boris Vezmar
• Mentor: Boris Vrdoljak (mentor)
• Član povjerenstva: Boris Vrdoljak (predsjednik povjerenstva)
• Član povjerenstva: Mario Brčić (član povjerenstva)
• Član povjerenstva: Marko Horvat (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-09, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Definirani su prediktivni modeli i ocjenjivanje prediktivnih modela te je
razmotreno nekoliko osnovnih vrsta prediktivnih modela. Dan je primjer rada s
prediktivnim modelima korištenjem biblioteke Apache Spark MLlib.

Proučena je platforma Kubernetes uključujući kontejnerizirano
postavljanje aplikacija i servisa. Rad s kontejnerima prikazan je na primjeru
rada s platformom Docker. Definirana je arhitektura Kubernetes grozda
i temeljni Kubernetes objekti. Dan je primjer rada s platformom Kubernetes.

Proučena je platforma Apache Kafka. Definirani su temeljni koncepti i
komponente platforme Apache Kafka.

Implementiran je servis za ocjenjivanje prediktivnih modela, pri čemu su
proučene temeljne komponente implementacije.

Sažetak (engleski)

Predictive models, as well as predictive model scoring were defined and
several basic predictive models were considered. An example of working with
predictive models using the Apache Spark MLlib library was given.

The Kubernetes platform was examined, including the containerized deployment of applications and services. Work with containers was demonstrated using work with the Docker platform as an example. Kubernetes cluster architecture and fundamental Kubernetes objects were defined. An example of working with the Kubernetes platform was given.

The Apache Kafka platform was examined. Basic concepts and components of the Apache Kafka platform were defined.

A service for scoring predictive models was implemented, whereby fundamental implementation components were examined.

• Ključne riječi: prediktivni modeli; ocjenjivanje prediktivnih modela; Apache Spark; Kubernetes; grozd; Docker; Apache Kafka; Log4j
• Ključne riječi (engleski): predictive models; predictive models scoring; Apache Spark; Kubernetes; cluster; Docker; Apache Kafka; Log4j
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:215491
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 14:09:25