Strojno učenje v porazdeljenem okolju z uporabo paradigme MapReduceORAČ, ROMAN (Avtor) Robnik Šikonja, Marko (Mentor) Lavrač, Nada (Komentor) MapReduceporazdeljeno računanjeDiscostrojno učenjesumarna oblikaDiscoMLLporazdeljeni naključni gozdoviClowdFlowsračunalništvoračunalništvo in informatikamagisterijiImplementacija algoritmov strojnega učenja v porazdeljenem okolju prinaša več prednosti, kot sta zmožnost obdelave velikih množic podatkov in linearna pospešitev izvajanja z dodatnimi računskimi enotami. V magistrski nalogi opišemo paradigmo MapReduce, ki omogoča porazdeljeno računanje na računalniški gruči, in ogrodje Disco, ki ga implementira. Predstavimo sumarno obliko, ki je pogoj za učinkovito implementacijo algoritmov strojnega učenja s paradigmo MapReduce in opišemo implementacije izbranih algoritmov. Poleg tega predstavimo nove različice porazdeljenih naključnih gozdov, ki gradijo model na podmnožicah podatkov. Implementirane algoritme ovrednotimo s primerjavo z uveljavljenimi programi strojnega učenja. Magistrsko delo zaključimo z opisom vključitve implementiranih algoritmov v platformo ClowdFlows, ki omogoča sestavljanje, izvajanje in deljenje interaktivnih delotokov podatkovnega rudarjenja. S tem omogočimo obdelavo velikih paketnih podatkov z vizualnim programiranjem.R. Orač20142014-10-22 15:20:04Magistrsko delo/naloga29969sl