<?xml version="1.0" encoding="utf-8"?>
<export-example>
  <doc>
    <id>429</id>
    <completedYear>2024</completedYear>
    <publishedYear/>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber>37</pageNumber>
    <edition/>
    <issue/>
    <volume/>
    <type>bachelorthesis</type>
    <publisherName/>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>--</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Modernes Cluster Management für Deep Learning Workloads</title>
    <abstract language="deu">Diese Bachelorarbeit untersucht die Herausforderungen und Lösungen bei der Verwaltung moderner Cluster, die durch hohe Anforderungen an Rechenleistung und Datenverarbeitung entstehen. In dieser Arbeit wird das Potenzial eines Deep-Learning Hardware-Management-Systems zur Verwaltung unserer lokalen Recheninfrastruktur untersucht: SkyPilot.&#13;
&#13;
Die Studie zielt darauf ab, eine wartungsarme, hochflexible Lösung zu entwickeln, welche die Arbeitsabläufe der Forscherinnen und Forscher nur minimal beeinträchtigt, reibungslos von unseren Maschinen zu verschiedenen Rechnern in unserem Labor skaliert und moderne Tools wie das Accelerate-Paket von Huggingface und JAX unterstützt.&#13;
&#13;
Die Lösung sollte auch große Grafikkarten-Speichersysteme für die Verfolgung der Workloads integrieren und die Sicherheit der Vorkaufsrechte für langlaufende Aufträge gewährleisten. Die Arbeit wird mit SkyPilot beginnen und darauf abzielen, dessen Funktionalität vor Ort zu implementieren.&#13;
&#13;
Zu den erwarteten Ergebnissen gehört eine praktische Lösung für mindestens einen unserer lokalen Server und die einzelnen Maschinen in K017, welche den K017-Clustern bilden. Diese Lösung wird an mehreren großen Datensätzen von Huggingface demonstriert und soll sowohl mit lokalen als auch mit Cloud-basierten Clustern kompatibel sein.&#13;
&#13;
Die Voraussetzungen für dieses Projekt umfassen einen kleinen Server, der als Testsystem zur Verfügung steht, sowie den Zugang zu allen Rechnern in K017 außerhalb der Vorlesungszeiten. Es wird erwartet, dass sich das Dokument im Laufe des Projekts weiterentwickelt, und bei Bedarf Klarstellungen und Anpassungen vorgenommen werden.</abstract>
    <identifier type="urn">urn:nbn:de:bvb:860-opus4-4292</identifier>
    <identifier type="doi">10.57688/429</identifier>
    <enrichment key="opus.source">publish</enrichment>
    <enrichment key="opus.doi.autoCreate">true</enrichment>
    <enrichment key="opus.urn.autoCreate">true</enrichment>
    <licence>Keine Creative Commons Lizenz (es gilt das deutsche Urheberrecht)</licence>
    <author>Santiago Villavicencio</author>
    <collection role="institutes" number="">Fakultät Informatik</collection>
    <thesisPublisher>Hochschule für Angewandte Wissenschaften Landshut</thesisPublisher>
    <thesisGrantor>Hochschule für Angewandte Wissenschaften Landshut</thesisGrantor>
    <file>https://opus4.kobv.de/opus4-haw-landshut/files/429/bachelorarbeit_villavicencio.pdf</file>
  </doc>
</export-example>
