Design and implementation of a Data Ingestion Architecture for Data Platform (in the cloud and on-premise) which allows to model data on a modern Data Lake using a rules engine, artificial intelligence algorithms and machine learning. Implementation and performance tuning testing will be performed on large datasets, such as social network data and data from iot devices.

Progettazione e realizzazione di un applicazione di Data Ingestion per data platform (in cloud e on premises) che consenta di modellare il dato sul data lake tramite motore di regole, algoritmi di Artificial intelligence e machine learning. I test sull’implementazione e sulle performance saranno effettuati su dataset di grandi dimensioni, quali dati social dati di dispositivi iot.

ARCHITETTURA DI DATA INGESTION AD ALTA SCALABILITÀ PER PIATTAFORME BIG DATA

ANCONA, VINCENZO
2021/2022

Abstract

Design and implementation of a Data Ingestion Architecture for Data Platform (in the cloud and on-premise) which allows to model data on a modern Data Lake using a rules engine, artificial intelligence algorithms and machine learning. Implementation and performance tuning testing will be performed on large datasets, such as social network data and data from iot devices.
2021
MULTIPLATFORM HIGH SCALABLE BIG DATA PLATFORM
Progettazione e realizzazione di un applicazione di Data Ingestion per data platform (in cloud e on premises) che consenta di modellare il dato sul data lake tramite motore di regole, algoritmi di Artificial intelligence e machine learning. I test sull’implementazione e sulle performance saranno effettuati su dataset di grandi dimensioni, quali dati social dati di dispositivi iot.
File in questo prodotto:
File Dimensione Formato  
Tesi_Magistrale_Ancona_Vincenzo.pdf

File consultabile da postazioni biblioteca

Dimensione 5.62 MB
Formato Adobe PDF
5.62 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14253/66704