Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Anomaly detection and fault diagnosis in Transprecision HPC systems |
|---|---|
| Titolo del progetto di ricerca in inglese | Anomaly detection and fault diagnosis in Transprecision HPC systems |
| Campo principale della ricerca | Engineering |
| Sottocampo della ricerca | Electronic engineering |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | - |
| Descrizione sintetica in italiano | I principali temi di ricerca affrontati saranno: 1) Definizione e classificazione delle diverse tipologie di comportamenti anomali e condizioni di errore all'interno di un supercomputer e relative sorgenti/cause. 2) Creazione e collezione del dataset per addestramento dei modelli di Machine Learning. 3) Sviluppo di approcci basati su Machine & Deep Learning per l'identificazione di comportamenti anomali servendosi dell'analisi di diversi flussi di dati; Sviluppo di modelli predittivi in grado di prevedere l'avverarsi di condizioni di errore sulla base di serie storiche di misurazioni. 4) Sviluppo di tecniche per sfruttare le risorse HPC per addestrare e validare i modelli di Deep Learninig. 5) Prototipizzazione delle componenti software per l'analisi in tempo reale di diversi flussi di dati provenienti da un sistema HPC allo scopo di individuare anomalie e guasti in maniera automatizzata. |
| Descrizione sintetica in inglese | The main research themes that will be explored are the following: 1) The definition and the classification of the diverse types of anomalous behaviours and fault conditions that may happen in a supercomputer – and relative causes. 2) The collection of the data and the creation of the dataset to train and test the Machine Learning models 3) Development of Machine & Deep Learning based approaches to detect anomalies and faults analysing the information coming from multiple data sources; development of predictive models capable of forecasting future fault conditions analysing previous time series of measurements. 4) Development of techniques to train Deep Learning models exploiting HPC system computational resources. |
| Data del bando | 18/04/2018 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | il bando e la modulistica per partecipare alla procedura di valutazione comparativa sono disponibili all'indirizzo: https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - DIPARTIMENTO DI INGEGNERIA DELL'ENERGIA ELETTRICA E DELL'INFORMAZIONE "GUGLIELMO MARCONI" |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| a.villa@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | H2020 |
|---|
| Data di scadenza del bando | 03/05/2018 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |