Škálovatelné strojové učení s využitím nástrojů Hadoop a Mahout

Simple item page
but.committeeprof. Ing. Jiří Mišurec, CSc. (předseda) doc. Ing. Petr Sysel, Ph.D. (místopředseda) Ing. Martin Sýkora (člen) doc. Ing. Radim Burget, Ph.D. (člen) prof. Ing. Jaroslav Koton, Ph.D. (člen) Ing. Radim Číž, Ph.D. (člen) Ing. Vladimír Červenka, Ph.D. (člen)cs
but.defenceJe nějaké omezení paměti při využití techbologie CUDA?cs
but.jazykčeština (Czech)
but.programElektrotechnika, elektronika, komunikační a řídicí technikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorBurget, Radimcs
dc.contributor.authorKryške, Lukášcs
dc.contributor.refereeAtassi, Hichamcs
dc.date.created2012cs
dc.description.abstractTato bakalářská práce srovnává několik nástrojů pro realizaci škálovatelné platformy strojového učení a popisuje jejich výhody a nevýhody. Dále práce prakticky realizuje funkčnost škálovatelné platformy založené na nástroji Apache Hadoop a zabývá se měřením výkonu samoučícího algoritmu K-Means pomocí knihoven strojového učení Apache Mahout na celkem pěti výpočetních uzlech.cs
dc.description.abstractThis bachelor’s thesis compares several tools for building a scalable, machine learning platform and describes their advantages and disadvantages. It also practically demonstrates functionality of this scalable platform based on the Apache Hadoop and Apache Mahout tools and measures performance of the K-Means algorithm for total of five computing nodes.en
dc.description.markAcs
dc.identifier.citationKRYŠKE, L. Škálovatelné strojové učení s využitím nástrojů Hadoop a Mahout [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2012.cs
dc.identifier.other52214cs
dc.identifier.urihttp://hdl.handle.net/11012/10042
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectHadoopcs
dc.subjectMahoutcs
dc.subjectsuperpočítačcs
dc.subjectparalelní zpracování datcs
dc.subjectstrojové učenícs
dc.subjectHadoopen
dc.subjectMahouten
dc.subjectsupercomputeren
dc.subjectparallel supercomputingen
dc.subjectmachine learningen
dc.titleŠkálovatelné strojové učení s využitím nástrojů Hadoop a Mahoutcs
dc.title.alternativeScalable machine learning using Hadoop and Mahout toolsen
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2012-06-13cs
dcterms.modified2012-06-18-12:27:50cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid52214en
sync.item.dbtypeZPen
sync.item.insts2025.03.16 13:20:45en
sync.item.modts2025.01.15 21:01:09en
thesis.disciplineTeleinformatikacs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikacícs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
1.57 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
1.47 KB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_52214.html
Size:
3.3 KB
Format:
Hypertext Markup Language
Description:
file review_52214.html
Download
Collections
2012