Análisis de datos de viabilidad económica de la nube pública con Machine Learning desde la perspectiva del Arquitecto Cloud

En la actual revolución tecnológica, el paso a la nube pública está demostrando ser una estrategia atractiva para la innovación empresarial, este análisis en profundidad desde la perspectiva de un estudiante de ingeniería que profundiza en la evaluación integral de la economía de la implementación de soluciones de migración de cargas o servicios en entornos de nube pública, sin dejar a un lado la viabilidad de la nube privada como una posibilidad emergente ante la volatilidad del TRM dólar en el mundo. Desde una perspectiva arquitectónica, nos centramos en las decisiones complejas asociadas con la adopción de la nube, destacando variables importantes como el costo, el rendimiento y la escalabilidad. Este enfoque proporciona un marco integral que permite a las organizaciones reconocer no solo los beneficios técnicos inherentes sino también el impacto económico estratégico de la integración de la nube pública y el machine learning. Este estudio detalla los beneficios económicos de adoptar servicios de nube pública donde busca cubrir desde la optimización de recursos, la eficiencia de la gestión de la memoria hasta el análisis de herramientas específicas de Machine Learning. Además, se consideran tácticas estratégicas para maximizar la rentabilidad, teniendo en cuenta modelos dinámicos de precios, costos operativos y proyecciones de ahorro a largo plazo. Esta investigación va más allá del ámbito técnico y aborda los desafíos éticos asociados con la implementación de soluciones de la nube pública, este enfoque integral garantiza que la viabilidad económica se evalúe dentro de un marco ético y social y aboga por la implementación responsable de la tecnología, sin desconocer por supuesto las ventajas del modelo cloud. Se busca considerar la arquitectura de nube y explorar opciones de diseño para maximizar la eficiencia operativa y minimizar los riesgos potenciales, donde se evalúan las mejores prácticas en seguridad, rendimiento y gestión de datos y se brindan recomendaciones específicas y prácticas a los líderes tecnológicos. En última instancia, buscamos no solo realizar una comparación técnica sino utilizar las herramientas de machine learning para tomar la mejor decisión frente a opciones financieras costo eficientes para las diferentes necesidades del mercado.

• Autores: Galeano Vélez, Juan Camilo
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Corporación Universitaria Remington
• Repositorio: Repositorio institucional Uniremington
• Idioma: spa
• OAI Identifier: oai:repositorio.uniremington.edu.co:123456789/2126
• Acceso en línea: https://repositorio.uniremington.edu.co/handle/123456789/2126
• Palabra clave: Nube pública; Machine Learning; Viabilidad económica; Arquitecto cloud; Ética tecnológica; Aprendizaje automático (Inteligencia artificial); Análisis económico; Tecnología y ética
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)