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: Ľubomíra Dvořáková | naposledy změněno: 12.9.2011
Trojanova 13, 120 00 Praha 2, tel. +420 770 127 494
České vysoké učení technické v Praze | Fakulta jaderná a fyzikálně inženýrská | Katedra matematiky