Тема выпускной квалификационной работы: «Разработка модели машинного обучения для предсказания времени выполнения задач на суперкомпьютерном вычислительном кластере». Предмет исследования: методы и алгоритмы прогнозирования времени выполнения заданий на высокопроизводительных вычислительных системах с использованием моделей машинного обучения. Цель: повышение эффективности использования высокопроизводительных вычислительных систем путем разработки и применения алгоритмов прогнозирования времени выполнения заданий с использованием моделей машинного обучения. Для выполнения работы использовались методы машинного обучения и искусственного интеллекта.  Основные результаты исследования. Разработаны и апробированы алгоритмы прогнозирования времени выполнения заданий на высокопроизводительных вычислительных системах с использованием различных моделей машинного обучения. Проведен анализ полученных результатов, выявлены преимущества и недостатки разработанных алгоритмов и определены перспективы дальнейшего развития данной области исследований. Разработаны рекомендаций по использованию разработанных алгоритмов в реальных вычислительных системах. Область применения результатов работы: использование в высокопроизводительных вычислительных системах, где требуется оптимизация процессов выполнения заданий; применение в отраслях, связанных с обработкой больших объемов данных и использованием высокопроизводительных вычислительных систем.

Theme of the final qualification work: "Development of a machine prediction model for predicting the execution time of tasks on a supercomputer computing cluster." Subject of research: methods and algorithms for predicting the execution time of tasks on high-performance computing tools using machine learning models. Purpose: increasing the efficiency of high-performance computing systems by developing and algorithmizing task execution time prediction using machine learning models. To perform validation of machine learning and artificial intelligence methods. The main results of the study. Algorithms for predicting the execution time of tasks on high-performance computers using various machine learning models have been developed and tested. The income analysis was carried out, the results and forecasts of the development of this area of research were revealed. Ideas for the construction of algorithms for calculations have been developed. The scope of the results: use in high-performance computing resources, where optimization of task execution processes is required; application in combination with the processing of large amounts of data and the use of high-performance computing systems.