Problème 1
Un programme d’évaluation de 4 Modèles de Machine Learning P, qui prend en entrée un flot de données et leur appliquent les étapes Ei (i=0..12) suivantes :
E0 : Préparer et nettoyer les données D en des données dataset et labelset D1, D2, E1, E2 : Diviser les données D1, D2 en des données de tests D3 et des données d’apprentissages D4 respectivement,
E3 : création de 4 modèles M1, M2, M3 et M4,
E4, E5, E6, E7 : Trainer les modèles M1, M2, M3, M4 par les données d’apprentissages D4 pour obtenir MT1, MT2, MT3, MT4,
E8, E9, E10, E11 : Faire de prédiction avec les modèles MT1, MT2, MT3, MT4 par rapport aux données de test D3,
E12 : Evaluer la meilleure prédiction de P1, P2, P3, et P4 pour obtenir le meilleur modèle.
Tâche
Unité de temps
E0 E1, E2 E3 E4, E5 E6, E7 E8, E9 E10, E11 E12
2 1 1 3 4 2 3 1
Publicité
1) le temps T1 de l’exécution séquentielle de P :
T1 = 2+1+1+1+3+3+4+4+2+2+3+3+1= 30
2) Le graphe de précédence :
3 )le temps minimal Topt :
Topt= 2+1+4+3+1 = 11(car le chemin critique E0E2E6E10E12 est de longueur =11)
4) Oordonnancem ent au plus tôt :
P=4
T4=11
S4=
=
E4=
Publicité
=
Diagramme de Gantt
5) ordonnancement au plus tard :
Graphe de précédence
P=5
T5=11
S5=
=
E5=
=
Diagramme de Gantt
Publicité
6) Popt= 4 car avec 3 processeurs, on dépasse Tmin= 11
7) Si on Suppose que P=3
Diagramme de Gantt
P=3
T3=13
S3=
=
E3=
=
=