Banca de DEFESA: ELISA GABRIELA MACHADO DE LUCENA
Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.DISCENTE : ELISA GABRIELA MACHADO DE LUCENA
DATA : 31/07/2026
HORA: 14:00
LOCAL: Online
TÍTULO:
Reduzindo o custo computacional na análise de escalabilidade paralela por meio de amostragem adaptativa online ciente da precisão
PALAVRAS-CHAVES:
Aplicações paralelas, previsão de desempenho, análise de escalabilidade, Machine learning
PÁGINAS: 55
RESUMO:
O PaScal Suite é um conjunto de ferramentas que permite aos desenvolvedores analisar a escalabilidade de aplicações paralelas. No entanto, dependendo do número de configurações avaliadas, o processo de análise de escalabilidade pode exigir muitas execuções da aplicação, resultando em longos tempos de experimentação. Para lidar com essa limitação, este trabalho propõe uma abordagem baseada em aprendizado de máquina integrada ao PaScal Suite para prever o desempenho de aplicações paralelas em diferentes tamanhos de máquina e tamanhos de problema. O método proposto utiliza um modelo Extra Trees para estimar tempos de execução de forma adaptativa, utilizando um conjunto reduzido de configurações amostradas. Ao prever o desempenho de configurações não medidas, a abordagem reduz o número de execuções necessárias do programa, preservando a visibilidade dos resultados no PaScal Viewer. Experimentos realizados com aplicações do conjunto de benchmarks PARSEC demonstram que o modelo proposto pode reduzir o tempo total de análise em até 70%, mantendo a acurácia das previsões controlada por meio de validação cruzada utilizando a métrica sMAPE. A integração resultante permite que desenvolvedores, pesquisadores e estudantes realizem análises de escalabilidade de forma mais eficiente, reduzindo tanto o custo computacional quanto o tempo de experimentação.
MEMBROS DA BANCA:
Presidente - 1673543 - SAMUEL XAVIER DE SOUZA
Interno - 2885532 - IVANOVITCH MEDEIROS DANTAS DA SILVA
Interno - 1153006 - LUIZ AFFONSO HENDERSON GUEDES DE OLIVEIRA
Externo à Instituição - LUCAS MELLO SCHNORR - UFRGS