Contribution au développement de l’apprentissage profond dans les systèmes distribués (Contribution to the development of deep learning in distributed systems) Hardy, Corentin - (2019-04-08) / Universite de Rennes 1 - Contribution au développement de l’apprentissage profond dans les systèmes distribués Accéder au document :  https://ged.univ-rennes1.fr/nuxeo/site/esupversion...

Langue : Français Directeur(s) de thèse:  Sericola, Bruno Discipline : Informatique Laboratoire :  INRIA-RENNES Ecole Doctorale : MATHSTIC Classification : Informatique Mots-clés : Réseaux de neurones profonds, Apprentissage automatique, Calcul distribué Réseaux neuronaux (informatique)  - Thèses et écrits académiques Apprentissage profond  - Thèses et écrits académiques

Résumé : L'apprentissage profond permet de développer un nombre de services de plus en plus important. Il nécessite cependant de grandes bases de données d'apprentissage et beaucoup de puissance de calcul. Afin de réduire les coûts de cet apprentissage profond, nous proposons la mise en œuvre d'un apprentissage collaboratif. Les futures utilisateurs des services permis par l'apprentissage profond peuvent ainsi participer à celui-ci en mettant à disposition leurs machines ainsi que leurs données sans déplacer ces dernières sur le cloud. Nous proposons différentes méthodes afin d'apprendre des réseaux de neurones profonds dans ce contexte de système distribué. Abstract : Deep learning enables the development of a growing number of services. However, it requires large training databases and a lot of computing power. In order to reduce the costs of this deep learning, we propose a distributed computing setup to enable collaborative learning. Future users can participate with their devices and their data without moving private data in datacenters. We propose methods to train deep neural network in this distibuted system context.