1. High-performance deployment operational Data analytics of pre-trained multi-label classification architectures with differential-evolution-based hyperparameter optimization (AutoDEHypO)Teo Prica, Aleš Zamuda, 2025, original scientific article Abstract: This article presents a high-performance-computing differential-evolution-based hyperparameter optimization automated workflow (AutoDEHypO), which is deployed on a petascale supercomputer and utilizes multiple GPUs to execute a specialized fitness function for machine learning (ML). The workflow is designed for operational analytics of energy efficiency. In this differential evolution (DE) optimization use case, we analyze how energy efficiently the DE algorithm performs with different DE strategies and ML models. The workflow analysis considers key factors such as DE strategies and automated use case configurations, such as an ML model architecture and dataset, while monitoring both the achieved accuracy and the utilization of computing resources, such as the elapsed time and consumed energy. While the efficiency of a chosen DE strategy is assessed based on a multi-label supervised ML accuracy, operational data about the consumption of resources of individual completed jobs obtained from a Slurm database are reported. To demonstrate the impact on energy efficiency, using our analysis workflow, we visualize the obtained operational data and aggregate them with statistical tests that compare and group the energy efficiency of the DE strategies applied in the ML models.
Keywords: high-performance computing, operational data analytics, energy efficiency, machine learning, AutoML, differential avolution, optimization
Published in DKUM: 29.05.2025; Views: 0; Downloads: 8
 Full text (1,61 MB) |
2. Integrated Data Analysis Pipelines for Large-Scale Data Management, HPC, and Machine Learning : D8.3 benchmarking results all use case studiesBenjamin Steinwender, Vytautas Jancauskas, Andreas Laber, Marius Birkenbach, Bernhard Einberger, Daniel Krems, Stefan Vanzou, Aleš Zamuda, 2025, final research report Published in DKUM: 11.04.2025; Views: 0; Downloads: 5
Full text (2,93 MB) |
3. Integrated Data Analysis Pipelines for Large-Scale Data Management, HPC, and Machine Learning : D8.3 benchmarking results all use case studiesBenjamin Steinwender, Vytautas Jancauskas, Andreas Laber, Marius Birkenbach, Bernhard Einberger, Daniel Krems, Aleš Zamuda, 2024, final research report Published in DKUM: 14.03.2025; Views: 0; Downloads: 5
Full text (2,90 MB) |
4. Izvedljivost programsko opredeljene infrastrukture za namen izvajanja načrta obnove po nesreči : magistrsko deloRok Mori, 2023, master's thesis Abstract: V magistrskem delu se ukvarjamo s prikazovanjem izvedljivosti programsko opredeljene infrastrukture za izvajanje načrta obnove po nesreči. Predstavimo teoretično ozadje metodologije programsko opredeljene infrastrukture in procesa obnove po nesreči. Opišemo delovanje orodij Terraform in Ansible, ki jih uporabimo za implementacijo praktičnega dela magistrske naloge. V praktičnem delu naloge zasnujemo hibridno strežniško infrastrukturo, ki jo nato implementiramo s pomočjo orodij programsko opredeljene infrastrukture. Pripravimo deset različnih testnih scenarijev, na osnovi katerih ovrednotimo implementirano rešitev. Ugotovimo, da je programsko opredeljena infrastruktura izvedljiva za namen izvajanja načrta obnove po nesreči.
Keywords: programsko opredeljena infrastruktura, obnova po nesreči, avtomatizacija, strežniška infrastruktura, Terraform, Ansible
Published in DKUM: 04.04.2023; Views: 550; Downloads: 66
Full text (4,81 MB)
This document has many files! More... |
5. Razpoznavanje drevesnih značilnosti iz fotografije s pomočjo konvolucijskih nevronskih mrež : diplomsko deloŽan Hozjan, 2022, undergraduate thesis Abstract: V diplomskem delu implementiramo sistem za razpoznavanje drevesnih značilnosti iz fotografije. Sistem v obliki mobilne aplikacije omogoča zajem fotografije drevesa in razpoznavo drevesnih značilnosti na zajeti fotografiji. Na podlagi razpoznanih značilnosti ter podane razdalje med drevesom in mobilno napravo sistem oceni višino in biomaso drevesa ter količino ogljika, ki ga vsebuje. V mobilni aplikaciji je moč nastale zapise med seboj primerjati, ter tako spremljati rast drevesa. Tekom diplomskega dela opišemo zgradbo sistema, razložimo delovanje posameznih funkcij in podamo rezultate.
Keywords: razpoznavanje drevesnih značilnosti, konvolucijske nevronske mreže, računalniški vid, TensorFlow, mobilno računalništvo, postavitev strežniške arhitekture, odjemalec-strežnik
Published in DKUM: 24.10.2022; Views: 740; Downloads: 89
Full text (6,33 MB)
This document has many files! More... |
6. Razvoj orodja za vizualizacijo in organizacijo poteka zgodbe : diplomsko deloJakob Fras, 2021, undergraduate thesis Abstract: V tem diplomskem delu je na področju računalniškega digitalnega sporočanja predstavljen razvoj aplikacije za vizualno predstavitev poteka zgodbe in likov, ki se v njej pojavijo, v jeziku C#. Z uporabo pristopa MVVM k razvoju programske opreme je opisana implementacija aplikacije v ogrodju WPF. Orodje uspešno predstavi zgodbo na časovnici, organizira po dogodkih, vodi register likov in entitet, kronološko uredi interakcije znotraj dogodka, centralizira podatke in jih stisne ob pisanju na disk.
Keywords: časovnica, WPF, MVVM, C#, potek zgodbe
Published in DKUM: 18.10.2021; Views: 709; Downloads: 81
Full text (2,15 MB) |
7. |
8. |
9. Operacijske raziskave logističnih, transportnih in ekonomskih sistemov : zbrano gradivoAleš Zamuda, 2020, other educational material Abstract: Predmet Operacijske raziskave logističnih, transportnih in ekonomskih sistemov (ORLTES) je uvrščen v tretjestopenjski bolonjski študijski program Računalništvo in informatika kot izbirna učna enota. Ta dokument predstavlja študijsko gradivo pri tem predmetu. Na naslednji strani sledi uvod, nato je v naslednjih poglavjih podano zbrano gradivo.
Keywords: operacijske raziskave, logistični sistemi, transportni sistemi, ekonomski sistemi, algoritmi, računalništvo, optimizacija, evolucijsko računanje, študijsko gradivo
Published in DKUM: 05.03.2020; Views: 1898; Downloads: 242
Full text (6,29 MB) |
10. Računalniške arhitekture : zbirka vaj in nalog z rešitvamiAleš Zamuda, Janez Brest, 2019, other educational material Abstract: Predmet Računalniške arhitekture je uvrščen v prvostopenjski bolonjski študijski program Računalništvo in informacijske tehnologije kot redna učna enota. Ta dokument predstavlja študijsko gradivo za izbrane računalniške vaje pri tem predmetu. Po uvodu so v naslednjih poglavjih podane posamezne naloge z rešitvami pri računalniških vajah. Nato po zaključku sledi še seznam prilog, ki vsebujejo računalniško obliko navedenih rešitev nalog.
Keywords: računalniška arhitektura, učbeniki, računalniške vaje
Published in DKUM: 23.10.2019; Views: 14580; Downloads: 11764
Full text (784,61 KB)
This document has many files! More... |
