This book presents the state of the art in distributed machine learning algorithms that are based on gradient optimization methods. In the big data era, large-scale datasets pose enormous challenges for the existing machine learning systems. As such, implementing machine learning algorithms in a distributed environment has become a key technology, and recent research has shown gradient-based iterative optimization to be an effective solution. Focusing on methods that can speed up large-scale gradient optimization through both algorithm optimizations and careful system implementations, the book introduces three essential techniques in designing a gradient optimization algorithm to train a distributed machine learning model: parallel strategy, data compression and synchronization protocol. Written in a tutorial style, it covers a range of topics, from fundamental knowledge to a number of carefully designed algorithms and systems of distributed machine learning. It will appeal to a broad audience in the field of machine learning, artificial intelligence, big data and database management.
ویراست دیگر از اثر در قالب دیگر رسانه
شماره استاندارد بين المللي کتاب و موسيقي
9789811634192
شناسگر رکورد کتابشناختي
(OCoLC)1250511313.
موضوع (اسم عام یاعبارت اسمی عام)
عنصر شناسه ای
Machine learning.
عنصر شناسه ای
Mathematical optimization.
مقوله موضوعی
کد مقوله موضوعی
COM004000
کد سيستم
bisacsh
رده بندی ديویی
شماره
006
.
3/1
ويراست
23
رده بندی کنگره
شماره رده
Q325
.
5
نشانه اثر
.
J5
2022
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
عنصر شناسه اي
Jiang, Jiawei,
نام شخص - ( مسئولیت معنوی درجه دوم )
عنصر شناسه اي
Cui, Bin,
عنصر شناسه اي
Zhang, Ce,
شناسه افزوده (تنالگان)
عنصر شناسه اي
Ohio Library and Information Network.
مبدا اصلی
سازمان
کتابخانه مرکزی و مرکز اطلاع رسانی دانشگاه
تاريخ عمليات
20231009062106.0
قواعد فهرست نويسي ( بخش توصيفي )
rda
دسترسی و محل الکترونیکی
تاريخ و ساعت مذاکره و دسترسي
Distributed Machine Learning and Gradient Optimization-Springer (2022).pdf