prikaz prve stranice dokumenta Raspodijeljeno udruženo učenje za okoline Interneta stvari
Rad nije dostupan
diplomski rad
Raspodijeljeno udruženo učenje za okoline Interneta stvari
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:422556
Bartaković, Marko
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Bartaković, M. (2022). Raspodijeljeno udruženo učenje za okoline Interneta stvari (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:422556

Bartaković, Marko. "Raspodijeljeno udruženo učenje za okoline Interneta stvari." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:422556

Bartaković, Marko. "Raspodijeljeno udruženo učenje za okoline Interneta stvari." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:422556

Bartaković, M. (2022). 'Raspodijeljeno udruženo učenje za okoline Interneta stvari', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:422556

Bartaković M. Raspodijeljeno udruženo učenje za okoline Interneta stvari [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 26.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:422556

M. Bartaković, "Raspodijeljeno udruženo učenje za okoline Interneta stvari", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:422556

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:422556
Podaci o radu
NaslovRaspodijeljeno udruženo učenje za okoline Interneta stvari
Naslov (engleski)Federated Learning for Internet of Things Environments
AutorMarko Bartaković
MentorIvana Podnar Žarko (mentor)
Član povjerenstvaIvana Podnar Žarko (predsjednik povjerenstva)
Član povjerenstvaMario Kušek (član povjerenstva)
Član povjerenstvaKrunoslav Tržec (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2022-07-12, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Raspodijeljeno udruženo učenje relativno je nova paradigma u treniranju modela strojnog učenja. Za treniranje modela koriste se uređaji na rubu mreže koji imaju vlastiti skup podataka za treniranje. Kako bi privatnost podataka korisnika ostala sačuvana, lokalni podaci klijenata nikada se ne prenose preko mreže. Proces treniranja modela izvodi se tako da klijenti na svojem lokalnom skupu podataka provode ažuriranje globalnog modela, a centralni čvor agregira ažuriranja modela od klijenata te kreira jedan globalni model. U ovom radu istraženo je područje raspodijeljenog udruženog učenja i primjeri korištenja takve vrste paradigme strojnog učenja. Kreirana su tri različita modela koji su predviđali prinos usjeva soje te su ispitane razlike u odnosu na modele koji su dobiveni na klasični način primjenom centraliziranog modela strojnog učenja.
Sažetak (engleski)
Federated learning is an emerging paradigm used in the process of training of Machine Learning models. Edge devices are used to train machine learning models based on their local data sets. To preserve the privacy of user data, local data sets are never transmitted over the network. During the model training process, clients update a global model using their local datasets, and then the central server aggregates model updates from the clients to create one global model. In this thesis a review on federated learning and applications that have emerged using the paradigm of federated learning has been explored. Three different models were created to predict soybean crop yields and we examined the differences between three different models that are trained on a centralized dataset and models that are trained using the federated learning principles.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:422556
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-13 14:29:57