Naslov
Primjena strojnog učenja u naprednom računarstvu
(An application of machine learning in high- performance computing)

Autori
Smolčić, Tomislav ; Ingram, Dustin ; Brkić, Antun Lovro ; Stilinović, Tomislav ; Bilalbegović, Goranka

Vrsta, podvrsta i kategorija rada
Sažeci sa skupova, neobjavljeni rad, znanstveni

Skup
DEI 2018, Dani e-infrastrukture

Mjesto i datum
Zagreb, Hrvatska, 11.04.2018. - 12.04.2018

Vrsta sudjelovanja
Predavanje

Vrsta recenzije
Domaća recenzija

Ključne riječi
strojno učenje ; asteroidi ; neuronske mreže ; programski jezik Python ; TensorFlow ; scikit-learn
(machine learning ; asteroids ; neural networks ; programming language Python ; TensorFlow ; scikit-learn)

Sažetak
U suvremenim znanstvenim istraživanjima često se prikuplja vrlo velika količina podataka koja se mora analizirati računalnim metodama. Strojno učenje se vrlo brzo razvija i počinje se intenzivno koristiti u puno znanstvenih područja, a sve više i u gospodarstvu. Napredni računalni modeli s velikim brojem slojeva, nova arhitektura procesorskih jedinica i velike baze podataka omogućili su uspješnu uporabu dubokog učenja na problemima koji su dugo vremena predstavljali veliki problem za savladavanje klasičnim programiranjem, kao što su prepoznavanje lica, prevođenje itd. U izlaganju je predstavljeno područje strojnog učenja. Na primjeru proučavanja i detekcije asteroida u digitalnom pregledu Sloan Digital Sky Survey (SDSS), velikog istraživanja koje do sada obuhvaća 35% neba s fotometrijskim opažanjima 500 milijuna te spektrima 3 milijuna objekata, prikazana je primjena strojnog učenja za detekciju objekata na slikama. Korištenjem programskog jezika Python i njegovih pomoćnih paketa te biblioteka za strojno učenje scikit- learn i TensorFlow, usporedjujemo implementaciju više vrsta dubokih neuronskih mreža na osobnom računalu i moguće prednosti rada na sustavima za napredno računanje kao što je klaster Isabella Sveučilišnog računskog centra.

Izvorni jezik
Hrvatski

Znanstvena područja
Fizika, Računarstvo

POVEZANOST RADA