Parallel mf (09) (Thuật toán phân tán phân tích ma trận dữ liệu lớn)
- ページ数
- 37
- 形式
- サイズ
- 1.7 MB
- Trường
- University of Hildesheim
- 閲覧数
- 0
- コメント
- 0
- Lượt tải
- 0
プレビューを生成中...
Bài giảng về thuật toán phân tán phân tích ma trận trong môn Phân tích Dữ liệu Lớn, trình bày mô hình phân tích ma trận và phương pháp giảm gradient ngẫu nhiên.
- ドキュメント名
- Parallel mf (09) (Thuật toán phân tán phân tích ma trận dữ liệu lớn)
- 学校 / コース
- University of Hildesheim · Big Data
- 内容
- Tài liệu giới thiệu bài toán hoàn thành ma trận và mô hình phân tích ma trận cơ bản. Nó trình bày cách áp dụng thuật toán Giảm Gradient Ngẫu nhiên để giải quyết bài toán phân tích ma trận trong môi trường phân tán.
- 目次
- 0. Introduction
- A. Parallel Computing
- A.1 Threads
- A.2 Message Passing Interface (MPI)
- A.3 Graphical Processing Units (GPUs)
- B. Distributed Storage
- B.1 Distributed File Systems
- B.2 Partioning of Relational Databases
- B.3 NoSQL Databases
- C. Distributed Computing Environments
- C.1 Map-Reduce
- C.2 Resilient Distributed Datasets (Spark)
- D. Distributed Machine Learning Algorithms
- D.1 Distributed Stochastic Gradient Descent
- D.2 Distributed Matrix Factorization
- D.3 Alternating Direction Method of Multipliers (ADMM)
- Questions and Answers
- 1. Introduction
- 2. Matrix Factorization via Distributed SGD
- 3. NOMAD
- ページ数
- 37 ページ
- アップロード者
- Uni24h
説明
Trích nội dung tài liệu
Big Data Analytics Big Data Analytics D. Distributed Machine Learning Algorithms / D.2 Distributed Matrix Factorization Lars Schmidt-Thieme Information Systems and Machine Learning Lab (ISMLL) Institute of Computer Science University of Hildesheim, Germany Lars Schmidt-Thieme, Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany 1 / 24 Big Data Analytics Syllabus Tue. 4.4. (1) 0. Introduction Tue. 11.4. Tue. 18.4. (2) (3) A. Parallel Computing A.1 Threads A.2 Message Passing Interface (MPI) Tue. 25.4. Tue. 2.5. Tue. 9.5. (4) (5) (6) B. Distributed Storage B.1 Distributed File Systems B.2 Partioning of Relational Databases B.3 NoSQL Databases Tue. 16.5. (7) A.3 Graphical Processing Units (GPUs) Tue. 23.5. Tue. 30.5. Tue. 6.6. (8) (9) C. Distributed Computing Environments C.1 Map-Reduce C.2 Resilient Distributed Datasets (Spark) Pentecoste Break — Tue. 13.6. Tue. 20.6. Tue. 27.6. Tue. 4.7. (10) (11) (12) (13) D. Distributed Machine Learning Algorithms D.1 Distributed Stochastic Gradient Descent D.2 Distributed Matrix Factorization D.3 Alternating Direction Method of Multipliers (ADMM) Questions and Answers Lars Schmidt-Thieme, Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany 1 / 24 Big Data Analytics Outline 1. Introduction 2. Matrix Factorization via Distributed SGD 3. NOMAD Lars Schmidt-Thieme, Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany 1 / 24 Big Data Analytics 1. Introduction Outline 1. Introduction 2. Matrix Factorization via Distributed SGD 3. NOMAD Lars Schmidt-Thieme, Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany 1 / 24 Big Data Analytics 1. Introduction The Matrix Completion Problem Given I the values D ⊆ [N] × [M] × R of some cells of an unknown matrix Y ∈ RN×M (called data) and I a function ` : R × R → R (called loss), predict the values of the missing
よくある質問
このドキュメントは無料ですか？
はい。「Parallel mf (09) (Thuật toán phân tán phân tích ma trận dữ liệu lớn)」は無料です。ログインして「ダウンロード」をクリックするだけで、元のファイルを取得できます。
このドキュメントは何ページありますか？
このドキュメントは 37 ページあります（Big Data コース用）。ダウンロードする前にオンラインでプレビューできます。
ダウンロードする前にプレビューできますか？
はい。このページにあるオンラインリーダーでドキュメントをプレビューし、その後ダウンロードするかどうかを決めることができます。
Parallel mf (09) (Thuật toán phân tán phân tích ma trận dữ liệu lớn)
プレビューを生成中...
Trích nội dung tài liệu
Big Data Analytics Big Data Analytics D. Distributed Machine Learning Algorithms / D.2 Distributed Matrix Factorization Lars Schmidt-Thieme Information Systems and Machine Learning Lab (ISMLL) Institute of Computer Science University of Hildesheim, Germany Lars Schmidt-Thieme, Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany 1 / 24 Big Data Analytics Syllabus Tue. 4.4. (1) 0. Introduction Tue. 11.4. Tue. 18.4. (2) (3) A. Parallel Computing A.1 Threads A.2 Message Passing Interface (MPI) Tue. 25.4. Tue. 2.5. Tue. 9.5. (4) (5) (6) B. Distributed Storage B.1 Distributed File Systems B.2 Partioning of Relational Databases B.3 NoSQL Databases Tue. 16.5. (7) A.3 Graphical Processing Units (GPUs) Tue. 23.5. Tue. 30.5. Tue. 6.6. (8) (9) C. Distributed Computing Environments C.1 Map-Reduce C.2 Resilient Distributed Datasets (Spark) Pentecoste Break — Tue. 13.6. Tue. 20.6. Tue. 27.6. Tue. 4.7. (10) (11) (12) (13) D. Distributed Machine Learning Algorithms D.1 Distributed Stochastic Gradient Descent D.2 Distributed Matrix Factorization D.3 Alternating Direction Method of Multipliers (ADMM) Questions and Answers Lars Schmidt-Thieme, Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany 1 / 24 Big Data Analytics Outline 1. Introduction 2. Matrix Factorization via Distributed SGD 3. NOMAD Lars Schmidt-Thieme, Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany 1 / 24 Big Data Analytics 1. Introduction Outline 1. Introduction 2. Matrix Factorization via Distributed SGD 3. NOMAD Lars Schmidt-Thieme, Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany 1 / 24 Big Data Analytics 1. Introduction The Matrix Completion Problem Given I the values D ⊆ [N] × [M] × R of some cells of an unknown matrix Y ∈ RN×M (called data) and I a function ` : R × R → R (called loss), predict the values of the missing
- ドキュメント名
- Parallel mf (09) (Thuật toán phân tán phân tích ma trận dữ liệu lớn)
- 学校 / コース
- University of Hildesheim · Big Data
- 内容
- Tài liệu giới thiệu bài toán hoàn thành ma trận và mô hình phân tích ma trận cơ bản. Nó trình bày cách áp dụng thuật toán Giảm Gradient Ngẫu nhiên để giải quyết bài toán phân tích ma trận trong môi trường phân tán.
- 目次
- 0. Introduction
- A. Parallel Computing
- A.1 Threads
- A.2 Message Passing Interface (MPI)
- A.3 Graphical Processing Units (GPUs)
- B. Distributed Storage
- B.1 Distributed File Systems
- B.2 Partioning of Relational Databases
- B.3 NoSQL Databases
- C. Distributed Computing Environments
- C.1 Map-Reduce
- C.2 Resilient Distributed Datasets (Spark)
- D. Distributed Machine Learning Algorithms
- D.1 Distributed Stochastic Gradient Descent
- D.2 Distributed Matrix Factorization
- D.3 Alternating Direction Method of Multipliers (ADMM)
- Questions and Answers
- 1. Introduction
- 2. Matrix Factorization via Distributed SGD
- 3. NOMAD
- ページ数
- 37 ページ
- アップロード者
- Uni24h
コメント (0)
まだコメントはありません。最初のコメントを書きましょう！
Stream (11) (Xử lý luồng dữ liệu) - Julian M. Kunkel
Krone (09) (Sự phát triển của dữ liệu) (Tiếng Anh)
Big Data Analytics - Phân tích dữ liệu lớn (Lecture 5)
Giới thiệu Hệ thống tính toán dữ liệu lớn (Tiếng Anh) - Duke University
NoSQL db (06) (Cơ sở dữ liệu NoSQL)
Tổng hợp Đề Toán 5 - Luyện thi vào Lớp 6 - CLB EMath
Bài giảng vật lý đại cương (Chương 3) - Đỗ Ngọc Uấn
Chương 8.Nguyên tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 7.Cơ học lượng tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 6.Quang học lượng tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
コメント (0)
まだコメントはありません。最初のコメントを書きましょう！