Grant Map EU

Numer_referencyjny_programu_pomocowego: SA.41471(2015/X) Przeznaczenie_pomocy_publicznej: art. 25 rozporządzenia KE nr 651/2014 z dnia 17 czerwca 2014 r. uznające niektóre rodzaje pomocy za zgodne z rynkiem wewnętrznym w stosowaniu art. 107 i 108 Traktatu (Dz. Urz. UE L 187/1 z 26.06.2014). Projekt dotyczy opracowania innowacyjnych metod i wykorzystujących je narzędzi rozszerzając działanie platformy Deepstributed o funkcjonalność związaną z optymalizacją zarządzania zasobami obliczeniowymi Platformy. Optymalne wymiarowanie zasobów dla zadań stawianych Platformie będzie możliwe dzięki predykcji wartości indeksu wydajności dla dostępnych zasobów obliczeniowych, na podstawie charakterystycznych cech zasobów i wykonywanych z ich użyciem eksperymentów uczenia maszynowego. Zadania obejmują prace B+R w zakresie: -opracowania nowych modeli zasobów obliczeniowych, alokacji tychże zasobów oraz kolejkowania; – opracowania metodologii uczenia systemu i przeprowadzone procedury związane z tym procesem; – integracji poszczególnych elementów z platformą; – opracowania scenariuszy użycia platformy w nowej konfiguracji; – przeprowadzanie testów w warunkach zbliżonych do rzeczywistych oraz dokonania optymalizacji architektury platformy. Opracowane zostanie kompleksowe rozwiązanie umożliwiające zmniejszenie kosztów związanych z realizacją eksperymentów uczenia maszynowego – zarówno od strony konfiguracji, uruchamiania i zarządzania eksperymentami obliczeniowymi, jak i od strony zarządzania i wymiarowania infrastruktury obliczeniowej – optymalizację doboru zasobu obliczeniowego do wymagań uruchamianego eksperymentu, biorąc pod uwagę jego charakter i cechy funkcjonalne/wydajność odpowiedniego zasobu obliczeniowego. Głównymi odbiorcami produktu będą inżynierowie uczenia maszynowego (MLE), dla których opracowane narzędzie będzie wsparciem w codziennej pracy. Ze względu na unikalne cechy platformy, podstawową grupą klientów będą podmioty działające na rynku uczenia maszynow