Mély gépi tanulás párhuzamos és elosztott környezetben

Projekt célja az elosztott gépi tanulási problémák vizsgálata és modellezése, továbbá a jelenlegi módszerek javítása vagy esetleges új módszertan kidolgozása egy adott gépi tanulási probléma esetén.

Publikációk

6 - 10 | 13
2026

MetaPAC: Adaptive Compression Across Transformer Architectures

Panyi, Tamás; Farkas, Attila; Kertész, Gábor
Mély gépi tanulás párhuzamos és elosztott környezetben
Tovább
Tovább
2026

SoftPart GNN: Distributed Graph Neural Network Training Without Offline Graph Partitioning

Attila Farkas; Mátyás Nagy; Gábor Kertész
Mély gépi tanulás párhuzamos és elosztott környezetben
Tovább
Tovább
2025

Distributed Deep Graph Learning with DistDGL: A Case Study in a Cloud Environment

Nagy, Mátyás; Farkas, Attila; Kertész, Gábor
Mély gépi tanulás párhuzamos és elosztott környezetben
Tovább
Tovább
2025

Energy-aware cloud workload prediction method using machine learning techniques

Gáspár, Balázs; Farkas, Attila; Kertész, Gábor
Mély gépi tanulás párhuzamos és elosztott környezetben
Tovább
Tovább
2022

Analyzing machine learning based on distributed file system

István Kali
Mély gépi tanulás párhuzamos és elosztott környezetben
Tovább
Tovább