محرم منصوری زاده

ژوهش‌ها در حوزه جایگذاری داده‌ها در محاسبات ابری-لبه ناهمگن از اهمیت بالایی برخوردارند؛ زیرا این پژوهش‌ها برای بهبود کارایی، کاهش هزینه‌ها، افزایش سرعت و امنیت اطلاعات حیاتی هستند. با افزایش حجم و پیچیدگی داده‌های علمی، نیاز به بهینه‌سازی فرآیندهای انتقال و پردازش داده‌ها احساس می‌شود. همچنین همکاری‌های جهانی در حوزه تحقیقات علمی و توسعه فناوری محاسبات توزیع‌شده، با پیشرفت فناوری‌های اطلاعات در سال های اخیر، به شدت افزایش یافته است. این همکاری‌ها و توسعه فناوری محاسبات توزیع‌شده، منجر شده که تغییرات چشمگیری در کارهای علمی ایجاد شود. در این راستا، ترکیب مزایای محاسبات لبه و ابری می‌تواند به افزایش سرعت و امنیت انتقال داده‌ها کمک کند. همچنین، با توجه به وجود مجموعه داده‌های خصوصی و عمومی، استفاده از یادگیری ماشین در جایگذاری داده‌ها می‌تواند منجر به بهبود عملکرد و بهره‌وری منابع شود. این پایان‌نامه به بررسی روش‌های جایگذاری داده‌ها در محاسبات ابری-لبه ناهمگن با استفاده از یادگیری ماشین می‌پردازد و هدف از این تحقیق، ارائه راهکارهایی برای کاهش زمان پاسخ، هزینه‌ها و تأخیر در انتقال داده‌ها در جریان کار علمی است.