Doprava zdarma při nákupu nad 1 499 Kč přes Zásilkovnu nebo PPL Box.

Zjistit stav objednávky

Staňte se součástí komunity milovníků knih z celého světa a získejte hromadu výhod. Založit účet zdarma

Doprava zdarma se Zásilkovnou nad 1 499 Kč

Kurýr DPD 69 Kč PPL shop 49 Kč Balíkovna 69 Kč PPL kurýr 74 Kč PPL box 39 Kč Balíkovna 49 Kč Výdejní místo DPD 49 Kč Zásilkovna 39 Kč

Kontakt

Jak nakupovat

Pomoc

Můj účet

▸ Prázdný :-(

Doprava zdarma při nákupu nad 1 499 Kč přes Zásilkovnu nebo PPL Box.

Optimization Algorithms for Distributed Machine Learning

Name: Optimization Algorithms for Distributed Machine Learning
Brand: Springer, Berlin
SKU: 44406882
Price: 1040 CZK
Availability: InStock
Author: Gauri Joshi
ISBN: 9783031190698

Gauri Joshi

Jazyk

Angličtina

Kniha Brožovaná

Libristo kód: 44406882

Nakladatelství Springer, Berlin, listopad 2022

This book discusses state-of-the-art stochastic optimization algorithms for distributed machine lear... Celý popis

Libristo kód: 44406882

104 b

1 040 Kč

Skladem u dodavatele Odesíláme za 5-8 dnů

30 dní na vrácení zboží

Zákazníci také koupili

Einleitung; §§ 1-3 Otto Teplitzky

Pevná

10 776 Kč

Población afrocolombiana. Trasformación de sus prácticas culinarias Luis Felipe Alvarez peñaranda

Brožovaná

732 Kč

Mysl jak Sherlock Holmes Maria Konnikova

Brožovaná

238 Kč

Jessie la parfaite Balis Et Reiser Andréa et Robert Kniha

Brožovaná

192 Kč

This book discusses state-of-the-art stochastic optimization algorithms for distributed machine learning and analyzes their convergence speed. The book first introduces stochastic gradient descent (SGD) and its distributed version, synchronous SGD, where the task of computing gradients is divided across several worker nodes. The author discusses several algorithms that improve the scalability and communication efficiency of synchronous SGD, such as asynchronous SGD, local-update SGD, quantized and sparsified SGD, and decentralized SGD. For each of these algorithms, the book analyzes its error versus iterations convergence, and the runtime spent per iteration. The author shows that each of these strategies to reduce communication or synchronization delays encounters a fundamental trade-off between error and runtime.