prikaz prve stranice dokumenta Primjer primjene programskog jezika Erlang u području strojnog učenja
Rad nije dostupan
završni rad
Primjer primjene programskog jezika Erlang u području strojnog učenja
2024. urn:nbn:hr:168:760978
Savić, Nikola
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Citirajte ovaj rad

Savić, N. (2024). Primjer primjene programskog jezika Erlang u području strojnog učenja (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:760978

Savić, Nikola. "Primjer primjene programskog jezika Erlang u području strojnog učenja." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:760978

Savić, Nikola. "Primjer primjene programskog jezika Erlang u području strojnog učenja." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:760978

Savić, N. (2024). 'Primjer primjene programskog jezika Erlang u području strojnog učenja', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 23.02.2025., https://urn.nsk.hr/urn:nbn:hr:168:760978

Savić N. Primjer primjene programskog jezika Erlang u području strojnog učenja [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 23.02.2025.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:760978

N. Savić, "Primjer primjene programskog jezika Erlang u području strojnog učenja", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:760978

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:760978
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovPrimjer primjene programskog jezika Erlang u području strojnog učenja
Naslov (engleski)An example of the application of the Erlang programming language in the machine learning area
AutorNikola Savić
MentorSaša Dešić (mentor)
Član povjerenstvaSaša Dešić (predsjednik povjerenstva)
Član povjerenstvaMario Kušek (član povjerenstva)
Član povjerenstvaGordan Ježić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-09-02, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Ovaj rad istražuje primjenu alata iz Erlangovog ekosustava u strojnome učenju, s posebnim naglaskom na unapređenje distribuiranih sustava u realnom vremenu i visoko konkurentnih sustava. Iskorištavanjem jedinstvene arhitekture BEAM virtualnog stroja, rad naglašava njegove prednosti i izazove za primjene u strojnome učenju. Demonstracijska aplikacija koristeći Elixir i Nx prikazuje sposobnosti Erlangovog ekosustava u obradi podataka u stvarnom vremenu i složenim proračunima korištenjem modela... Više multivarijatne linearne regresije za predviđanje kretanja cijena kriptovaluta. Rezultati ističu robusnost Erlangovog virtualnog stroja za računanja u stvarnom vremenu, učinkovito upravljanje laganim procesima i jednostavno paraleliziranje zadataka strojnog učenja, čineći ga pogodnim za primjene u domenama koje zahtijevaju trenutnu i pouzdanu obradu i analizu velike količine podataka, poput telekomunikacija, financija, zdravstva i autonomnih sustava. Unatoč brojnim prednostima u odnosu na popularne jezike u domeni strojnog učenja poput Pythona, kao što su bolja učinkovitost i jednostavnija paralelizacija i distribucija zadataka, Elixir i Erlang imaju manji broj specijaliziranih biblioteka te nedostatak podrške zajednice i dokumentacije. Sakrij dio sažetka
Sažetak (engleski)
This thesis investigates the application of tools from the Erlang ecosystem in machine learning, focusing on enhancing distributed, real-time and highly concurrent systems. By leveraging the unique architecture of the BEAM virtual machine, the study highlights its advantages and challenges for machine learning applications. A demonstration application using Elixir and Nx showcases the capabilities of the Erlang ecosystem in real-time data processing and complex computations using a... Više multivariate linear regression model for cryptocurrency price prediction. The results underscore the robustness of Erlang's virtual machine for real-time computations, efficient lightweight process management, and easy parallelization of machine learning tasks, making it suitable for domains requiring instant and reliable data processing and analysis, such as telecommunications, finance, healthcare, and autonomous systems. Despite its numerous advantages over popular machine learning languages like Python, such as better efficiency and straightforward task parallelization and distribution, Elixir and Erlang face limitations including fewer specialized libraries, lack of community support and documentation. Sakrij dio sažetka
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:760978
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2024-10-12 22:04:38
accessibility

closePristupačnostrefresh

Ako želite spremiti trajne postavke, kliknite Spremi, ako ne - vaše će se postavke poništiti kad zatvorite preglednik.