Cílem mé práce je zmapovat aktuální výpočetní zařízení na trhu, jež je možné využít k provozu systémů zaměřených na AI a Deep learning. Následně navrhnout vlastní konfi-guraci výpočetního serveru spolu s možností monitoringu všech typů serverů, ať už vlastní konfigurace či zakoupených profesionálních zařízení. Dále pak systémy určené pro práci s AI a Deep learningem.
Praktická část je zaměřená na porovnání výkonu a spotřeby mezi grafickými kartami a zpra-cování možností optimalizace spotřeby či zdrojů grafických karet. Rovněž jsou v práci zpracované i metody zabezpečení serveru před neoprávněnými přístupy útočníků či útoky ze sítě Internet.
Anotace v angličtině
The aim of my work is to map the current computing devices on the market that can be used to run AI and Deep learning systems. Subsequently, I will propose a custom compu-ting server configuration along with options for monitoring all types of servers, whether self-configured or purchased professional equipment. Furthermore, systems designed to work with AI and Deep learning.
The practical part is focused on comparing performance and power consumption between graphics cards and discussing the possibilities of optimizing power consumption or re-sources of graphics cards. Also the methods of server security against unauthorized acces-ses of attackers or attacks from the Internet are elaborated in the thesis.
Klíčová slova
AI, Deep learning, cluster, hardware, grafická karta, monitoring, optimalizace, zabezpečení
Klíčová slova v angličtině
AI, Deep learning, cluster, hardware, graphic card, monitoring, optimization, security
Rozsah průvodní práce
74 s. (82 152 znaků)
Jazyk
CZ
Anotace
Cílem mé práce je zmapovat aktuální výpočetní zařízení na trhu, jež je možné využít k provozu systémů zaměřených na AI a Deep learning. Následně navrhnout vlastní konfi-guraci výpočetního serveru spolu s možností monitoringu všech typů serverů, ať už vlastní konfigurace či zakoupených profesionálních zařízení. Dále pak systémy určené pro práci s AI a Deep learningem.
Praktická část je zaměřená na porovnání výkonu a spotřeby mezi grafickými kartami a zpra-cování možností optimalizace spotřeby či zdrojů grafických karet. Rovněž jsou v práci zpracované i metody zabezpečení serveru před neoprávněnými přístupy útočníků či útoky ze sítě Internet.
Anotace v angličtině
The aim of my work is to map the current computing devices on the market that can be used to run AI and Deep learning systems. Subsequently, I will propose a custom compu-ting server configuration along with options for monitoring all types of servers, whether self-configured or purchased professional equipment. Furthermore, systems designed to work with AI and Deep learning.
The practical part is focused on comparing performance and power consumption between graphics cards and discussing the possibilities of optimizing power consumption or re-sources of graphics cards. Also the methods of server security against unauthorized acces-ses of attackers or attacks from the Internet are elaborated in the thesis.
Klíčová slova
AI, Deep learning, cluster, hardware, grafická karta, monitoring, optimalizace, zabezpečení
Klíčová slova v angličtině
AI, Deep learning, cluster, hardware, graphic card, monitoring, optimization, security
Zásady pro vypracování
Specifikujte možnosti výběru komponent pro HPC a GPU clustery.
Navrhněte možnosti monitoringu těchto clusterů.
Proveďte návrh 3 systémů pro využití v AI a Deep Learningu.
Porovnejte výkonnost a efektivitu navržených systémů.
Zpracujte možnosti optimalizace využití zdrojů Vašich návrhů v oblasti AI a DL.
Proveďte zabezpečení systémů před neoprávněným přístupem a útoky ze sítě Internet.
Zásady pro vypracování
Specifikujte možnosti výběru komponent pro HPC a GPU clustery.
Navrhněte možnosti monitoringu těchto clusterů.
Proveďte návrh 3 systémů pro využití v AI a Deep Learningu.
Porovnejte výkonnost a efektivitu navržených systémů.
Zpracujte možnosti optimalizace využití zdrojů Vašich návrhů v oblasti AI a DL.
Proveďte zabezpečení systémů před neoprávněným přístupem a útoky ze sítě Internet.
Seznam doporučené literatury
ZHONG, Li, Dennis HOPPE, Naweiluo ZHOU a Oleksandr SHCHERBAKOV. Hybrid workflow of Simulation and Deep Learning on HPC: A Case Study for Material Behavior Determination. _2021 IEEE International Conference on Cluster Computing (CLUSTER), Cluster Computing (CLUSTER), 2021 IEEE International Conference on, CLUSTER_ [online]. 2021, , 698-704 [cit. 2021-12-01]. ISBN 9781728196664. ISSN 21689253. Dostupné z: doi:10.1109/Cluster48925.2021.00104
KOLOUCH, Jan a Pavel BAŠTA. CyberSecurity. Praha: CZ.NIC, 2019. ISBN 978-80-88168-31-7.
KOLOUCH, Jan. CyberCrime. Praha: CZ.NIC, 2016. ISBN 978-80-88168-15-7.
SELECKÝ, Matúš. Penetrační testy a exploitace. Brno: Computer Press, 2012. ISBN 978-80-251-3752-9.
ŠULC, Vladimír. Kybernetická bezpečnost. Plzeň: Aleš Čeněk, 2018. ISBN 978-80-7380-737-5.
Seznam doporučené literatury
ZHONG, Li, Dennis HOPPE, Naweiluo ZHOU a Oleksandr SHCHERBAKOV. Hybrid workflow of Simulation and Deep Learning on HPC: A Case Study for Material Behavior Determination. _2021 IEEE International Conference on Cluster Computing (CLUSTER), Cluster Computing (CLUSTER), 2021 IEEE International Conference on, CLUSTER_ [online]. 2021, , 698-704 [cit. 2021-12-01]. ISBN 9781728196664. ISSN 21689253. Dostupné z: doi:10.1109/Cluster48925.2021.00104
KOLOUCH, Jan a Pavel BAŠTA. CyberSecurity. Praha: CZ.NIC, 2019. ISBN 978-80-88168-31-7.
KOLOUCH, Jan. CyberCrime. Praha: CZ.NIC, 2016. ISBN 978-80-88168-15-7.
SELECKÝ, Matúš. Penetrační testy a exploitace. Brno: Computer Press, 2012. ISBN 978-80-251-3752-9.
ŠULC, Vladimír. Kybernetická bezpečnost. Plzeň: Aleš Čeněk, 2018. ISBN 978-80-7380-737-5.
Přílohy volně vložené
-
Přílohy vázané v práci
tabulky
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Součástí prezentace BP nebyla praktická ukázka. V rámci obhajoby byly položeny následující dotazy:
1. Výtky směřující k uvedenému seznamu použitých symbolů a zkratek. (Ing. Milan Navrátil, Ph.D.)
2. Do budoucna bylo doporučeno se těmto chybám zcela vyvarovat. Uvedené pak zbytečně snižuje kvalitu prezentované práce. (doc. RNDr. Jiří Švec, CSc.)
Student zodpověděl položené dotazy vedoucího a oponenta BP v plném rozsahu. Na rozpravu v diskuzi komise pro SZZ reagoval pohotově a na velmi dobré úrovni.