Diplomarbeit für HTL: Entwicklung und Implementierung eines Trainingsprozesses für Deep Learning Modelle als Docker-Anwendung
Join to apply for the Diplomarbeit für HTL: Entwicklung und Implementierung eines Trainingsprozesses für Deep Learning Modelle als Docker-Anwendung role at Fill
Diplomarbeit für HTL: Entwicklung und Implementierung eines Trainingsprozesses für Deep Learning Modelle als Docker-Anwendung
Join to apply for the Diplomarbeit für HTL: Entwicklung und Implementierung eines Trainingsprozesses für Deep Learning Modelle als Docker-Anwendung role at Fill
Ausgangssituation
Die rasante Entwicklung im Bereich des maschinellen Lernens hat die Anwendungen von Deep Learning (DL) Technologien in verschiedenen Industrien wie der industriellen Bildverarbeitung ermöglicht. Die Reproduzierbarkeit der Trainingsprozesse dieser DL-Modelle ist entscheidend, um deren Einsatz in der Praxis zu beschleunigen. Containerisierungstechnologien wie Docker bieten eine vielversprechende Lösung, um Deep Learning Workflows zu standardisieren, zu isolieren und skalierbar zu gestalten. Durch die Verwendung von Docker können Entwickler und Data Scientists sicherstellen, dass ihre Modelle unter identischen Bedingungen trainiert werden können, unabhängig von der zugrunde liegenden Infrastruktur. Die Herausforderung besteht darin, einen Trainingsprozess zu entwickeln, der stabil ist, mit zunehmender Arbeitslast skaliert und genau reproduziert werden kann. Dieser Prozess sollte in einem Docker-Container laufen, was bedeutet, dass er auf jedem System mit Docker ausgeführt werden kann, und er sollte flexibel genug sein, um für verschiedene Deep Learning Projekte verwendet werden zu können.
Ausgangssituation
Die rasante Entwicklung im Bereich des maschinellen Lernens hat die Anwendungen von Deep Learning (DL) Technologien in verschiedenen Industrien wie der industriellen Bildverarbeitung ermöglicht. Die Reproduzierbarkeit der Trainingsprozesse dieser DL-Modelle ist entscheidend, um deren Einsatz in der Praxis zu beschleunigen. Containerisierungstechnologien wie Docker bieten eine vielversprechende Lösung, um Deep Learning Workflows zu standardisieren, zu isolieren und skalierbar zu gestalten. Durch die Verwendung von Docker können Entwickler und Data Scientists sicherstellen, dass ihre Modelle unter identischen Bedingungen trainiert werden können, unabhängig von der zugrunde liegenden Infrastruktur. Die Herausforderung besteht darin, einen Trainingsprozess zu entwickeln, der stabil ist, mit zunehmender Arbeitslast skaliert und genau reproduziert werden kann. Dieser Prozess sollte in einem Docker-Container laufen, was bedeutet, dass er auf jedem System mit Docker ausgeführt werden kann, und er sollte flexibel genug sein, um für verschiedene Deep Learning Projekte verwendet werden zu können.
Aufgabenstellung
* Literaturrecherche: Identifizierung von Herausforderungen und Lösungsansätzen bei der Dockerisierung von Trainingsprozessen.
* Konzeption eines Trainingsworkflow: Entwerfen eines Trainingsworkflows für Deep Learning Modelle, der alle notwendigen Schritte von der Datenvorbereitung über das eigentliche Training bis zur Modellbewertung umfasst.
* Implementierung des Trainingsprozesses als Docker-Anwendung
* Skalierung: Skalierung des Trainingsprozesses, beispielsweise durch die Nutzung von Docker Swarm oder Kubernetes
* Vergleich zu herkömmlichen Trainings (Reproduzierbarkeit, Dauer, …)
Dein Profil
* Laufende Ausbildung in einer HTL
* Motivation & Verlässlichkeit
Unser Angebot
* Übernahme der Druckkosten bei sehr gutem oder gutem Erfolg
* Unterstützung durch einen Betreuer aus der jeweiligen Fachabteilung
* Lerne Fill als potenziellen Arbeitgeber kennen und bringe deine eigenen Ideen und dein Wissen ein
* Spannende Möglichkeit, dein theoretisches Wissen um praktische Erfahrungen zu ergänzen
* Sehr gutes Arbeitsklima in einem vielfach ausgezeichneten Familienunternehmen
Zeitraum
Start ab sofort
Wir freuen uns über deine Bewerbung!
Get notified about new Diplomarbeit für HTL: Entwicklung und Implementierung eines Trainingsprozesses für Deep Learning Modelle als Docker-Anwendung jobs in Wippenham, Upper Austria, Austria.
#J-18808-Ljbffr