IMPLEMENTATION OF MACHINE LEARNING IN A CLUSTER OF PARALLEL CALCULATIONS IN HIGHER EDUCATIONAL INSTITUTIONS
DOI:
https://doi.org/10.63034/esr-242Keywords:
Parallel computing, cluster computing systems,, machine learning, Higher Education, big data processing, artificial intelligence, lgorithm optimization, load distributionAbstract
This work considers the problem of implementing machine learning in higher educational institutions using a cluster of parallel calculations. In recent years, the fields of machine learning and artificial intelligence have gained great interest, and there is an increasing need to use clusters of parallel calculations that allow you to perform various calculations quickly and efficiently. Such clusters allow you to process large amounts of data and perform complex calculations.
The study examines the advantages of parallel computing clusters, including the possibility of efficient load distribution, increasing processing speed, and optimal resource use. In addition, this paper presents practical tools and methods for students and teachers, and explores ways to improve the effectiveness of machine learning using parallel calculations. The introduction of such technologies in higher educational institutions will not only improve the skills of students, but also contribute to their mastery of modern computing methods.
References
Әдебиеттер тізімі:
Таненбаум, Э., & Бос, Х. (2014). Modern Operating Systems. 4-ші басылым. Pearson. – Параллель есептеулер мен жүйелер архитектурасының негізгі қағидалары туралы толық ақпарат беретін классикалық еңбек.
Dean, J., & Ghemawat, S. (2008). "MapReduce: Simplified Data Processing on Large Clus-ters". Communications of the ACM, 51(1), 107–113. – Бұл мақалада Google компаниясының үлкен мәліметтерді өңдеуге арналған MapReduce параллель есептеу архитектурасы түсіндіріледі.
Zaharia, M., Chowdhury, M., Das, T., Dave, A., Ma, J., McCauley, M., ... & Stoica, I. (2012). "Resilient Distributed Datasets: A Fault-Tolerant Abstraction for In-Memory Cluster Compu-ting". Proceedings of the 9th USENIX Symposium on Networked Systems Design and Implemen-tation. – Apache Spark платформасының жұмыс принциптері мен үлкен деректерді өңдеу мүмкіндіктері туралы.
Benjio, Y., Courville, A., & Vincent, P. (2013). "Representation Learning: A Review and New Perspectives". IEEE Transactions on Pattern Analysis and Machine Intelligence, 35(8), 1798–1828. – Машиналық оқыту мен терең оқыту модельдерін параллель есептеулерде қолдануға арналған маңызды шолу.
LeCun, Y., Bengio, Y., & Hinton, G. (2015). "Deep Learning". Nature, 521(7553), 436–444. – Терең оқытудың негіздері мен параллель есептеу құрылымдарында оның артықшылықтары туралы.
Agrawal, R., & Srikant, R. (2000). "Mining Sequential Patterns". Proceedings of the 11th In-ternational Conference on Data Engineering. – Үлкен деректер мен параллель есептеулер арқылы мәліметтерді өңдеу әдістері қарастырылған.
Ashaaf, K., & Kim, S. (2018). "Teaching Parallel Computing and Machine Learning Using Cloud-Based Clusters in Higher Education". Journal of Computing in Higher Education, 30(3), 293–306. – Жоғары оқу орындарында кластерлік жүйелерді пайдаланып, параллель есептеулер мен машиналық оқытуды оқыту әдістері.
Hamilton, J., & Chow, C. (2011). "Distributed Systems and Cloud Computing: Insights from the Field". IEEE Computer Society, 44(6), 48–53. – Кластерлік және бұлттық есептеу жүйелерінің артықшылықтары мен оларды білім беру процесінде қолдану мүмкіндіктері.
Kumar, V., Grama, A., Gupta, A., & Karypis, G. (2003). Introduction to Parallel Computing. 2-ші басылым. Addison Wesley. – Параллель есептеулер негіздерін үйренуге арналған кешенді оқу құралы.
Gorton, I., & Klein, J. (2014). "Distribution, Data, and Deployment: The Comprehensive Architecture of Machine Learning and Big Data Processing". Future Generation Computer Sys-tems, 37, 406–413. – Үлкен деректер мен машиналық оқытуды кластерлерде қолданудың архитектуралық шешімдері.
Published
How to Cite
Issue
Section
Categories
License
Copyright (c) 2024 Ordabek B.O., Karelkhan N
This work is licensed under a Creative Commons Attribution 4.0 International License.
