A felhőszámítási rendszerek komplex, skálázható és nagyszámú komponensből álló szolgáltatást nyújtanak többek között a Big Data, IoT és mesterséges intelligencia nagy kihívást jelentő felhasználási területein is. Az ilyen jellegű felhő szolgáltatások telepítése, konfigurálása és működtetése rendkívül összetett feladat lehet, ezért ezeket a műveleteket valamilyen módszer segítségével automatizálni érdemes, mivel a környezet és a felhasználási körülmények folyamatosan változnak. Másrészről nehézségbe ütközhet felfedezni azokat a “gyanús” helyzeteket, amelyek az esetleges hibák eredetének megtalálásához feltétlenül szükségesek.
A kutatás olyan informatikai megoldásokra összpontosít, amelyek fő célja, hogy a felhő-alapú komplex szolgáltatásokat megbízhatóbbá tegye a hibák feltárásával, majd azokat ún. referencia architektúrák formájában elérhetővé tegye akár hibrid környezetben is. A kutatás során a hagyományosnak mondható formális megközelítések mellett, mint például a párhuzamos és elosztott szoftverek verifikálása, fontos szerepet kapnak a gyakorlatias hibakeresési módszerek, és a gépi tanulás területén elért legújabb eredményekre is támaszkodunk.
Az első alkalom május 25. szerdán 17 órai kezdettel lesz, amelynek tematikája:
1. Alapok: Hibák feltárása párhuzamos és elosztott környezetben
Fontosabb témák: debugging megközelítések osztályozása, formális modellezés színezett Petri hálóval, konzisztens globális állapotok generálása, temporális logikai modellellenőrzés
Az előadás-sorozat következő két alkalmának időpontja és témái:
2. Hibrid felhő orkesztrációs módszerek és referencia architektúrák kiberfizikai rendszekhez (június 1. 17 óra)
3. Felhő-alapú, orkesztrált szolgáltatások modellezése és megbízhatóságának javítása gépi tanulással (június 8. 17 óra)
A 90 perces előadásokra Zoomon lehet becsatlakozni:
https://sztaki-hu.zoom.us/j/98686674513?pwd=dGlHQXB0anp5bm1NQUZFaEVpSmpvdz09
Ezen szakkollégiumi előadások az Innovációs és Technológiai Minisztérium ÚNKP-21-5 kódszámú Új Nemzeti Kiválósági Programjának a Nemzeti Kutatási, Fejlesztési és Innovációs Alapból finanszírozott szakmai támogatásával készültek.
Az előadóról:
Dr. habil. Lovas Róbert az ELKH SZTAKI igazgatóhelyettese. MSc és PhD tanulmányait a BME-n végezte el villamosmérnöki és informatikai területen, illetve az Emory University Mathematics and Computer Science tanszékén ösztöndíjas vendégkutatóként. Az Óbudai Egyetem Neumann János Informatikai Karán 2015 óta szakterület felelős, majd egyetemi docens, habilitációját 2017-ben szerezte meg informatikai tudományterületen, majd a Kiberfizikai Rendszerek Intézet alapítója és megbízott igazgatója 2020-ig. Jelenleg Bolyai János Kutatási Ösztöndíjas és az MTA Informatikai Tudományos Bizottságának tagja.
Kutatásai 1998 óta elsősorban az elosztott IT infrastruktúrák ipari, valamint akadémiai alkalmazási technológiáira és módszerei fókuszálnak, pl. meteorológia, gyógyszerkutatás, kémia, mezőgazdaság, autóipar (connected cars) és Ipar 4.0 vonatkozásában — különös tekintettel a felhő számítási, Big Data, IoT és mesterséges intelligencia (AI) megoldásokra.
Résztvevője vagy vezető kutatója számos hazai projektnek és nemzetközi konzorciumnak az EU kutatási keretprogramjaiban (FP5-H2020), továbbá két sikeresen lezárult EU FP7-es globális e-Infrastruktúra projekt koordinátora 2010 és 2015 között. 2014-től a hazai Agrodat (VKSZ12) projekt Big Data kutatási platformjának vezetője, jelenleg a H2020 CO-VERSATILE projekt koordinátora és az ELKH Cloud projekt igazgatója, továbbá hozzájárul a Mesterséges Intelligencia és Autonóm Rendszerek Nemzeti Laboratóriumok kutatási tevékenységeihez.
Több mint 80 tudományos közlemény és könyvfejezet társszerzője, számos nemzetközi konferencia szervezőbizottságának tagja vagy meghívott vitaindító előadója 2009 óta.
