Execução E Otimização de Modelos de Aprendizagem Automática Com Computação de Alto Desempenho: Um Estudo Comparativo Com O Google Colab

A execução de modelos de Machine Learning em ambientes de High-Performance Computing (HPC) apresenta desafios e vantagens em relação a plataformas convencionais, como o Google Colab. Este trabalho investiga a adaptação e otimização de um modelo de aprendizagem máquina, especificamente LSTM, para execução num cluster HPC. São abordadas etapas críticas, como a transferência de ficheiros, configuração do ambiente, submissão de jobs via SLURM e estratégias para visualização e análise de resultados. Além disso, realiza-se uma comparação do desempenho entre HPC e Google Colab, considerando métricas como tempo de treino e de erro. Os resultados demonstram as vantagens e limitações dessa adaptação, fornecendo diretrizes para investigadores que pretendam utilizar HPC para modelagem preditiva em grandes volumes de dados