PhD Monitor
/جزئیات
علوم کامپیوتر — یادگیری ماشین توزیع‌شده● بازPreview

موقعیت دکتری: آموزش توزیع‌شده کم‌هزینه با منابع ناپایدار

پژوهش دکتری در زمینه الگوریتم‌های آموزش یادگیری ماشین توزیع‌شده با کارایی منابع بالا برای زیرساخت‌های محاسباتی ناپایدار و ناهمگن.

مناسب برای:مناسب برای کاندیداهایی با پایه‌های ریاضی قوی در بهینه‌سازی و احتمال، مهارت‌های برنامه‌نویسی در پایتون، و علاقهمندی شدید به سیستم‌های توزیع‌شده، یادگیری فدرال و هوش مصنوعی پایدار.

Inria · سوفیا آنتیپولیس, فرانسه
استادان بیشتر در Inria
الگوریتم‌های آموزش توزیع‌شدهیادگیری فدرالیادگیری ماشین آگاه از منابعمدل‌سازی سیستم‌های تصادفیمحاسبات آگاه از کربنمدیریت منابع ناپایدار
مهلت
۲۱ ژوئن ۲۰۲۶
منقضی
بودجه
حقوقی
شروع
—
مکان
سوفیا آنتیپولیس
فرانسه

مرور کلی

این موقعیت دکتری، مستقر در مرکز Inria در دانشگاه کوت دازور در سوفیا آنتیپولیس، بخشی از ابتکار عمل Inria–Hivenet Challenge Cupseli است. کاندیدای موفق توسط شرکت Hivenet (که به زودی به Antimatter تبدیل خواهد شد) استخدام شده و عمدتاً توسط تیم پروژه NEO میزبانی خواهد شد و با همکاری نزدیک تیم پروژه مهندسان ARGO و Hivenet کار خواهد کرد. این پژوهش بر طراحی الگوریتم‌های آموزش توزیع‌شده جدید تمرکز دارد که می‌توانند در محیط‌هایی که منابع محاسباتی و ذخیره‌سازی برای دوره‌های محدود و غیرقابل پیش‌بینی به اشتراک گذاشته می‌شوند، به طور کارآمد عمل کنند. کاندیدا الگوهای دسترسی به منابع را مدل‌سازی می‌کند، الگوریتم‌هایی را توسعه می‌دهد که از این الگوها بهره‌برداری کنند، تضمین‌های همگرایی نظری ارائه می‌دهد و روش‌ها را هم روی شبیه‌سازی‌ها و هم روی پلتفرم Hivenet ارزیابی می‌کند. این کار بین حوزه‌های یادگیری ماشین، بهینه‌سازی توزیع‌شده، یادگیری فدرال و ملاحظات پایداری پل می‌زند.

آموزش توزیع‌شدهیادگیری فدرالمنابع ناپایدارهوش مصنوعی کم‌هزینهزمان‌بندی آگاه از کربنتضمین‌های همگراییبهینه‌سازی توزیع‌شدهمحاسبات با مصرف بهینه انرژی

نحوهٔ درخواست

آزمایشگاه
تیم پروژه NEO (با همکاری تیم پروژه ARGO)
Inria
فرانسه
موقعیت کامل را ببین

برای دیدن امتیاز تطابق شخصی، نیازمندی‌ها، جزئیات بودجه و نحوهٔ درخواست — به انگلیسی یا فارسی — حساب کاربری رایگان بساز.

بدون نیاز به کارت بانکی · ۱۰ امتیاز تطابق AI رایگان
آماده‌اید؟
به این موقعیت اقدام کن یا برای بعد ذخیره‌اش کن.