Despliegue de un entorno de trabajo con redes neuronales en un clúster en AKS

Abstract

[ES] Las necesidades de cómputo tanto de empresas como de particulares han experimentado un gran crecimiento en la última década, principalmente por la combinación de varios factores, entre los que se incluye la cada vez mayor cantidad de datos a tratar (big data), los nuevos avances en técnicas de procesamiento (aprendizaje automático, redes neuronales) y los requisitos de usuarios y aplicaciones en cuanto a aspectos como la velocidad de procesamiento la alta disponibilidad. Un ejemplo de esto se da en el trabajo diario del alumno en una empresa del mundo de la biotecnología (Health in Code). Esta compañía se dedica al análisis de datos genómicos de pacientes hospitalarios, partiendo de muestras de ADN que, tras ser secuenciadas y analizadas por una pipeline, proveen información sobre la existencia de posibles genes patogénicos que influyen en el desarrollo de enfermedades, finalizando el ciclo con el envío de un informe médico al profesional sanitario. En este proyecto se va a desarrollar un entorno de cómputo en un clúster de Kubernetes que busca emular en la medida de lo posible, y con las limitaciones de recursos obvias, a una parte de la tecnología de la empresa. Este entorno está alojado en la nube, utilizando Azure como plataforma de computación cloud y su servicio AKS. Para simular cargas de trabajo como las de la empresa, se hace uso de redes neuronales residuales con la tarea de reconocer y clasificar imágenes en una de las categorías presentes en su base de datos, por lo que en primer lugar se hará uso de TensorFlow para este propósito. Tras eso, se desplegará y optimizará el sistema para adecuarlo al entorno de AKS. Finalizaremos el trabajo emulando la aplicación web empresarial que permite el seguimiento del estado de las muestras genómicas, para lo que se creará una herramienta de visualización y presentación de resultados finales.