Інструментарій для реалізації процедур машинного навчання на мобільних пристроях

Скорочена інформація про документ
dc.contributor.advisorБулах, Богдан Вікторович
dc.contributor.authorТокар, Михайло Євгенович
dc.date.accessioned2023-03-22T08:43:39Z
dc.date.available2023-03-22T08:43:39Z
dc.date.issued2022
dc.description.abstractМетою даної роботи було аналіз й дослідження інструментарію та можливостей для реалізації процедур машинного навчання на мобільних пристроях. В класичному розумінні процедури машинного навчання вимагають безліч ресурсів для їх реалізації: починаючи від великої команди науковців та розробників, закінчуючи надвеликими потужностями доступними лише у хмарних технологіях, що через гігантські витрати робить дану сферу непривабливою для бізнесу. Просте останніми роками в науковій та бізнес спільнотах широко набуває розповсюдження ідея про використання процедур машинного навчання на мобільних пристроях: як для прогнозування певних результатів, так і для безпосереднього навчання моделей. Популярним рішенням для вирішення даної проблеми є Deeplearning4j, котрий дозволяє як використання, так і навчання моделей машинного навчання на мобільних пристроях. Результати роботи: широкий огляд можливостей застосування та програмному інструментарію для реалізації процедур машинного навчання на мобільних пристроях, Android-додаток, котрий демонструє можливисті навчання моделі безпосередньо на пристрої використовуючи різні датасети. Загальний обсяг роботи 102 с., 15 рис., 20 таблиць, 1 додаток, 50 джерел.uk
dc.description.abstractotherThe aim of this work was to analyze and explore the tools and opportunities for implementing machine learning procedures on mobile devices. Classically, machine learning procedures require a lot of resources for their implementation: from a large team of scientists and developers to ultra-large computational power available only in the cloud technologies. This makes the field unattractive to businesses because of the huge costs. Simply in recent years, the idea of using machine learning procedures on mobile devices is spreading widely in the scientific and business communities: both for inference and training models. A popular solution for this problem is Deeplearning4j, which allows both the use and training of machine learning models on mobile devices. Results: a broad overview of the possibilities of application and software tools for implementing machine learning procedures on mobile devices, Android application demonstrating possible model training directly on the device, using different datasets. The total amount of work: 102 pp., 15 fig., 20 tables, 1 application, 50 sources.uk
dc.format.extent102 с.uk
dc.identifier.citationТокар М. Є. Інструментарій для реалізації процедур машинного навчання на мобільних пристроях : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Токар Михайло Євгенович. - Київ, 2022. - 102 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/53857
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectмобільні пристроїuk
dc.subjectфреймворкuk
dc.subjectдатасетuk
dc.subjectмодельuk
dc.subjectапаратне прискоренняuk
dc.subjectчіпсетuk
dc.subjectтестування продуктивностіuk
dc.subjectAndroiduk
dc.subjectDeeplerning4juk
dc.subjectKotlinuk
dc.subjectmobile devicesuk
dc.subjectframeworkuk
dc.subjectdatasetuk
dc.subjectmodeluk
dc.subjecthardware accelerationuk
dc.subjectchipsetuk
dc.subjectperformance testinguk
dc.titleІнструментарій для реалізації процедур машинного навчання на мобільних пристрояхuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Tokar_bakalavr.pdf
Розмір:
1.84 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

Бакалаврські роботи (СП)
Бакалаврські роботи