Grafikkartenprogrammierung für Maschinelles Lernen

Prof. Dr. B. Wirnitzer

Kurzinhalt der Vorlesung

Einführung: Parallelverarbeitung und maschinelles Lernen


Maschinelles Lernen: Überwachtes Lernen: kNN, Suchbäume, Ensemble Learning (Adaboost and Random Forest), Neuronal Networks, SVM, (Naive) Bayes; Unüberwachtes Lernen: Hierarchisches Clustern, k-Means, Gaussian Mixture Models, Parallelisierung beim Training und/oder Testen

Laborübung unter MATLAB zu jedem der Verfahren


Grafikkartenprogrammierung: Überblick, Hard- und Softwarearchitektur, CUDA, OpenCL, Parallelverarbeitung mit MATLAB


Laborübung: Beispielprogramme CUDA/C, OpenCL/C, OpenCL/Matlab, Bildverarbeitung mit Grafikkarten (CUDA), Realisierung und Test eines maschinellen Lernverfahrens in OpenCL, Zeitanalyse (Profiling)

Modulbeschreibung