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 | 6
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

Combining Negative Selection Techniques for Triplet Mining in Deep Metric Learning

Kertész, Gábor
Mély gépi tanulás párhuzamos és elosztott környezetben
Tovább
Tovább
2022

Deep Metric Learning Using Negative Sampling Probability Annealing

Gábor, Kertész
Mély gépi tanulás párhuzamos és elosztott környezetben
Tovább
Tovább