Система розподіленого навчання нейронних мереж із використанням Big Data рішень

Скорочена інформація про документ
dc.contributor.advisorЦьопа, Наталія Володимирівна
dc.contributor.authorНікулін, Олексій Володимирович
dc.date.accessioned2023-06-11T17:44:27Z
dc.date.available2023-06-11T17:44:27Z
dc.date.issued2021-12
dc.description.abstractРозмір пояснювальної записки – 126 аркушів, містить 32 ілюстрації, 22 таблиці, 10 додатків. У магістерській дисертації розглянуто реалізацію процесу розподіленого навчання нейронних мереж з великим вхідним об’ємом даних, показано особливості розподіленої системи, її основні характеристики, проведено аналіз існуючих реалізацій та визначені їх основні переваг та недоліків. Розроблено систему, яка реалізує ETL процес, розподілене навчання моделей нейронних мереж та гнучке середовище. Така система забезпечує зменшення часу, що витрачається на збір, обробку наборів даних, підготовку, розгортання та конфігурацію середовища, а також збільшення швидкості навчання моделей нейронних мереж за рахунок виконання розподілених розрахунків та можливості швидкого масштабування кожного її елементу. При цьому розроблена система спроєктована таким чином, що для розширення її функціоналу та створення інтеграцій з новими інструментами машинного навчання або Big data рішень не потрібно змінювати архітектурний дизайн самої системи. Об’єктом даного дослідження є процес навчання нейронних мереж із великими вхідними даними. Предметом – способи та засоби, за допомогою яких можна виконувати централізоване і/або розподілене навчання нейронних мереж із великими вхідними даними.uk
dc.description.abstractotherExplanatory note size – 126 pages, contains 32 illustrations, 22 tables, 10 applications. The master's dissertation considers the implementation of the process of distributed learning neural networks with a large amount of input data, shows the features of the distributed system, its main characteristics, analyzes existing implementations and identifies their main advantages and disadvantages. A system that implements the ETL process, distributed learning of neural network models and a flexible environment has been developed. This system reduces the time spent collecting, processing data sets, time for preparing, deploying and configuring the environment, and also increases the speed of training neural network models through distributed computing and the ability to quickly scale each of its elements. The developed system is designed in such a way that in order to expand its functionality and create integrations with new machine learning tools or big data solutions, there is no need to change the architectural design of the system itself. The object of this dissertation is the process of learning neural networks with large input data. Subject – methods and tools by which you can perform centralized and/or distributed learning neural networks with large input data.uk
dc.format.extent126 с.uk
dc.identifier.citationНікулін, О. В. Система розподіленого навчання нейронних мереж із використанням Big Data рішень : магістерська дис. : 126 Інформаційні системи та технології / Нікулін Олексій Володимирович. – Київ, 2021. – 126 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/56990
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectрозподiлена системаuk
dc.subjectрозподiлене навчання нейронних мережuk
dc.subjectETLuk
dc.subjectKubernetesuk
dc.subjectScalauk
dc.subjectPythonuk
dc.subject.udc004.75uk
dc.titleСистема розподіленого навчання нейронних мереж із використанням Big Data рішеньuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Nikulin_magistr.pdf
Розмір:
3.03 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ІСТ)
Магістерські роботи