Paralelní algoritmy ve strojovém učení
| školitel: | Ing. Tomáš Oberhuber, Ph.D. |
| e-mail: | zobrazit e-mail |
| typ práce: | bakalářská práce, diplomová práce |
| zaměření: | MI_MM, MINF |
| klíčová slova: | strojové učení, umělá inteligence, backpropagation, GPU, HPC |
| popis: | Strojové učení patří v současnosti mezi jedno z nejrychleji se rozvíjejících odvětví. Nachází mnoho aplikací v celé řadě různých oborů. Mezi nejoblíbenější patří zejména neuronové sítě jejichž ucčení je optimalizační úloha. Ta je nejčastěji založena na algoritmu backpropagation. Tento algoritmus se ale bohužel těžko paralelizuje zejména na distribuovaných systémech, a to i přes to, že taková možnost by zřejmě umožnila učení komplexnějších sítí, které by dokázaly řešit složitější úlohy. Cílem tohoto tématu bude implementace a paralelizace nejen backpropagation algoritmu, ale i jiných algoritmů ze strojového učení na GPU případně na GPU klastrech. Dále půjde o hledání způsobů, jak tyto algoritmy optimalizovat. Implementované algoritmy budou pochopitelně testovány na reálných úlohách, takže student získá dobrou praxi i v aplikování metod strojového učení. Navíc se student naučí vyvíjet paralelní algoritmy pro vícejádrové procesory, GPU, distribuované systémy, programování s využitím moderních vlastností jazyka C++ a v jazyce Python. |
| literatura: | Charu C. Aggarwal, Neural Networks and Deep Learning: A Textbook, Springer, 2018. |
| naposledy změněno: | 01.10.2023 20:59:28 |
za obsah této stránky zodpovídá:
Pavel Strachota | naposledy změněno: 9.9.2021