Primjer primjene programskog jezika Erlang u području strojnog učenja

undergraduate thesis

• Title (english): An example of the application of the Erlang programming language in the machine learning area
• Author: Nikola Savić
• Mentor: Saša Dešić (mentor)
• Committee member: Saša Dešić (predsjednik povjerenstva)
• Committee member: Mario Kušek (član povjerenstva)
• Committee member: Gordan Ježić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2024-09-02, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

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 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.

Abstract (english)

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 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.

• Keywords: Erlang; Elixir; BEAM VM; strojno učenje; distribuirani sustavi; realno vrijeme; konkurentnost; paralelno procesiranje
• Keywords (english): Erlang; Elixir; BEAM VM; machine learning; distributed systems; real-time; concurrency; parallel processing
• Language: croatian
• URN:NBN: urn:nbn:hr:168:760978
• Study programme: Title: Computing; Study programme type: university; Study level: undergraduate; Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2024-10-12 22:04:38