| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Mašīnapmācības algoritmu nepārtrauktās integrācijas risinājumu efektivitātes novērtēšana |
| Nosaukums angļu valodā |
Efficiency of Continuous Integration for Machine Learning Algorithms |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Jānis Grabis |
| Recenzents |
Mg. sc. ing. Artūrs Braučs |
| Anotācija |
Mūsdienās palielinoties datu apjomam un mašīnapmācības algoritmu prasībām paaugstinoties, kļūst aktuāla problēma, kas saistīta ar modeļu apmācības paātrināšanu. Darba ietvaros risinājums šai problēmai tiek meklēts izmantojot paralēlās apmācības metodi, kas ļauj apmācības procesā vienlaikus izmantot vairāku sistēmu skaitļošanas resursus. Paralēlā apmācība izmantota apvienojumā ar DevOps metodoloģijas pielietojumu, kas ietver nepārtrauktās integrācijas implementāciju izstrādes procesos. Tā kā paralēlās apmācības pieeja pieprasa vairāku sistēmu konfigurāciju un rezultātā padara sarežģītāku apmācības procesu, tā tiks automatizēta pielietojot nepārtrauktās integrācijas rīkus. Tiks automatizēta izmantoto sistēmu vides sagatavošana, procesu inicializācija un sistēmu uzkopšana pēc apmācības izpildes beigām.
Šī pētījuma mērķis ir novērtēt mašīnapmācības algoritmu paralēlās apmācības un nepārtrauktās integrācijas efektivitāti izstrādes procesos, fokusējoties uz apmācības procesa paātrināšanu. Pētījuma mērķa sasniegšanai tiek definēta darba gaita, kas iekļauj paralēlās apmācības konfigurācijas izpēti un implementāciju mākslīgo neironu tīklu apmācībā kā arī nepārtrauktās integrācijas servera uzstādīšanu un tā būvējumu konfigurāciju. Pētījumā veikta mākslīgā neironu tīkla paralēla apmācība izmantojot dažādus infrastruktūras uzstādījumus, kas iekļauj apmācību ar centrālajiem un grafiskajiem procesoriem. Bakalaura darba rezultātā tiek novērtēta paralēlās apmācības un nepārtrauktās integrācijas ietekme uz apmācības procesa izpildes ilgumu.
Darba apjoms - 56 lpp., 10 tabulas un 20 attēli. |
| Atslēgas vārdi |
Mašīnapmācība, DevOps, Nepārtrauktā integrācija, Paralēlā modeļu apmācība. |
| Atslēgas vārdi angļu valodā |
Machine learning, DevOps, Continuous integration, Parallel model training. |
| Valoda |
lv |
| Gads |
2019 |
| Darba augšupielādes datums un laiks |
01.06.2019 03:39:24 |
