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

1 - 5 | 8
2026

Automated Classification of EQ-5D Literature in PubMed Using Multi-Phase Learning and LLM-Assisted Co-Training

Rostam, Zhyar Rzgar K; Péntek, Márta; Czere, János Tibor; Zrubka, Zsombor; Gulácsi, László; Kertész, Gábor
Mély gépi tanulás párhuzamos és elosztott környezetben
Tovább
Tovább
2026

Massively parallel distributed fine-tuning of transformer-based language models

Farkas, Attila; Kertész, Gábor
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