Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11779/2414
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorÇakar, Tuna-
dc.contributor.authorKırçiçek, Oğuz-
dc.date.accessioned2024-11-05T19:54:03Z-
dc.date.available2024-11-05T19:54:03Z-
dc.date.issued2024-
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=usXiZIM9Lp0wk-YzRoaT-_9oRre0c1fHcjclhFAWu8d2Ur2tx0J_nTke7MGksvSX-
dc.identifier.urihttps://hdl.handle.net/20.500.11779/2414-
dc.description.abstractBu çalışmada, makine öğrenimi modellerinin dağıtım sürecinde meydana gelen değişikliklerin On-Premises sistemler ve bulut hizmet sağlayıcılarındaki karşılaştırmalı analizini sunmaktayım. Makine öğrenimi modellerinin başarılı bir şekilde dağıtılması, üretkenliklerini artırmayı amaçlayan işletmeler ve kuruluşlar için kritik bir öneme sahiptir. Modellerin farklı ortamlarda nasıl davrandığını anlamak ve karşılaştırmak, bilinçli kararlar vermek için büyük öneme sahiptir. AWS ve GCP gibi önde gelen ticari organizasyonlar, özelleştirilmiş web uygulamaları sunmak üzere tasarlanmış güvenilir ve maliyet etkin bulut hizmetleri sunmaktadır. Bu makalenin temel amacı, en tanınmış bulut hizmeti sağlayıcılarının anahtar özelliklerini vurgulayarak bulut müşterilerini yönlendirmek ve On-Premises seçeneği ile karşılaştırmalar yaparak bilinçli karar almayı kolaylaştırmaktır. Ayrıca, AWS Fargate ve Google Cloud Run gibi yönetilen hizmetlerin avantajlarını keşfediyoruz, bu hizmetler uygulama dağıtımını kolaylaştırmaktadır. Bu araştırma aracılığıyla, işletmelerin stratejik kararlar alarak dinamik ve rekabetçi iş dünyasında başarı elde etmelerine olanak tanıyan değerli içgörüler sağlamak amaçlanmıştır.-
dc.description.abstractIn this study, I present a comparative analysis of the changes occurring during the deployment process of machine learning models, both in On-Premises systems and cloud service providers. The successful deployment of machine learning models holds critical importance for businesses and organizations aiming to enhance their productivity. Understanding and comparing how models behave in different environments is of paramount significance to make informed decisions. Prominent commercial organizations like AWS and GCP offer reliable and cost-effective cloud services tailored to provide customized web applications. Our primary objective in this article is to guide cloud customers by highlighting the key features of the most recognized Cloud Service Providers and facilitating informed decision-making through comparisons with the On-Premises option. Additionally, I explore the advantages of managed services such as AWS Fargate and Google Cloud Run, which streamline application deployment. Through this research, my goal is to offer useful insights that help companies succeed in the fast-paced, cutthroat business environment by helping them make wise strategic decisions.en_US
dc.language.isoen-
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol-
dc.subjectBulut bilişim-
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.subjectCloud computingen_US
dc.titleServerless Vs. On-Premises: a Performance Analysis of Ml Deployment With Aws Fargate, Gcp Cloud Run, and On-Premen_US
dc.title.alternativeSunucusuz Vs Yerinde: Aws Fargate, Gcp Cloud Run ve Yerel Ortamda Makine Öğrenimi Dağıtımının Performans Analizien_US]
dc.typeMaster Thesis-
dc.description.PublishedMonthNisanen_US
dc.identifier.yoktezid884223-
dc.identifier.endpage73-
dc.departmentMEF Üniversitesi, Fen Bilimleri Enstitüsü, Bilişim Teknolojileri Ana Bilim Dalıen_US
dc.institutionauthorKırçiçek, Oğuz-
item.fulltextNo Fulltext-
item.languageiso639-1en-
item.grantfulltextnone-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.openairetypeMaster Thesis-
item.cerifentitytypePublications-
Appears in Collections:FBE, Yüksek Lisans - Tez Koleksiyonu
Show simple item record



CORE Recommender

Page view(s)

38
checked on Dec 2, 2024

Google ScholarTM

Check





Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.