작품개요

최근 인공지능 및 복잡한 계산 문제를 해결하기 위해 고성능 컴퓨팅(HPC) 자원을 요구하는 작업들의 수가 증가하고 있다. 이때, 제한된 HPC 자원을 효율적으로 관리하기 위해서는 작업의 특성과 자원 요구 사항을 정확히 예측하는 것이 중요하다. 이에 이전 연구에서 작업의 어플리케이션을 예측하기 위한 머신러닝 기반의 기법을 제안하였으나, 데이터 불균형으로 인해 소수의 데이터를 가진 어플리케이션에 대한 예측이 어렵다는 한계점을 확인하였다. 이에 본 연구에서는 이전 연구를 심화하여, 최적화된 오버 샘플링 기법을 적용해 개선된 어플리케이션 예측 기법을 제안한다.