Optimización del consumo energético en algoritmos paralelos
El crecimiento exponencial del interés del Machine Learning (ML) en la última década está relacionado con tres avances fundamentales: 1. el desarrollo de mejores algoritmos con aplicaciones directas en muchos campos de la ciencia y la ingeniería; 2. la disponibilidad de cantidades masivas de datos y...
Guardado en:
| Autor principal: | Libutti, Leandro Ariel |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Español |
| Publicado: |
2020
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/114189 https://congresos.unlp.edu.ar/ebec2020/leandro-libutti |
| Aporte de: |
Ejemplares similares
-
Planificación y aceleración de algoritmos de machine learning
por: Libutti, Leandro Ariel, et al.
Publicado: (2021) -
Towards a Malleable Tensorflow Implementation
por: Libutti, Leandro Ariel, et al.
Publicado: (2020) -
Coplanificación de procesos maleables de aprendizaje automático mediante contenedores
por: Libutti, Leandro Ariel
Publicado: (2023) -
Scheduling elastic machine learning process through containers
por: Libutti, Leandro Ariel
Publicado: (2023) -
Extracción de conocimiento en redes sociales mediante herramientas de software libre y plataformas de hardware paralelo-distribuidas
por: Gouiric, Guillermo Adrián, et al.
Publicado: (2018)