- Accueil de LUCK
- Author profile
Jean-Sébastien Lerat
Prénom
Jean-SébastienNom
LeratLangues
frListe des publications de l’auteur
Voici les éléments 1-5 de 12
- Sort Options:
- Date and Type
- Title Asc
- Title Desc
- Issue Date Asc
- Issue Date Desc
- Type Asc
- Type Desc
- Results Per Page:
- 5
- 10
- 20
- 40
- 60
- 80
- 100
- Sort Options:
- Date and Type
- Title Asc
- Title Desc
- Issue Date Asc
- Issue Date Desc
- Type Asc
- Type Desc
- Results Per Page:
- 5
- 10
- 20
- 40
- 60
- 80
- 100
Architecture to Distribute Deep Learning Models on Containers and Virtual Machines for Industry 4.0
30 décembre 2023, LERAT, Jean-Sébastien; Mahmoudi, Sidi Ahmed,
- HE en Hainaut
,
- Acte de conférence ou de colloque
Acte de conférence ou de colloque
eep learning (DL) is increasingly used in industry, especially in industry 4.0. Thanks to DL, it possible to better prevent breakdowns and manufacturing defects. DL models are becoming more and more complex and efficient, requiring significant compute resources and compute time. The use of Graphic Processing Units (GPUs) makes it possible to speed up processing but at a higher cost. An alternative ...
Analyse statique de rançongiciels à l'aide de modèles de Markov cachés
Acte de conférence ou de colloque
Les attaques de rançongiciels (ransomware) comme Cryptolocker, WannaCry ou encore Locky ont fait prendre
conscience du danger de ces logiciels malveillants. WannaCry aurait infecté plus de 300 000 ordinateurs à travers le
monde en 2017. Apparus pour la première fois il y a environ une quinzaine d'années en Russie, les rançongiciels
prennent en otage les données des utilisateurs dans l'attente ...
Apprentissage profond distribué : d’un seul nœud vers plusieurs nœuds de calcul
2022, LERAT, Jean-Sébastien; Mahmoudi, Ahmed Sidi; Mahmoudi, Saïd,
- HE en Hainaut
,
- Acte de conférence ou de colloque
Acte de conférence ou de colloque
L'utilisation croissante de l'apprentissage profond (DL) exploite des modèles de plus en plus complexes avec une quantité croissante de données. Le DL
distribué (DLL) permet d'entraîner rapidement des modèles en répartissant la charge de calcul. Nous proposons une approche empirique pour accélérer la
distribution en se concentrant sur les stratégies de parallélisation locales.
Les résultats ...
Distributed Deep Learning: From Single-Node to Multi-Node Architecture
2022, LERAT, Jean-Sébastien; Mahmoudi, Sidi Ahmed; Mahmoudi, Saïd,
- HE en Hainaut
,
- Article scientifique
Article scientifique
During the last years, deep learning (DL) models have been used in several applications with large datasets and complex models. These applications require methods to train models faster, such as distributed deep learning (DDL). This paper proposes an empirical approach aiming to measure the speedup of DDL achieved by using different parallelism strategies on the nodes. Local parallelism is considered ...
Deep Learning Frameworks: Performances Analysis
2021, LERAT, Jean-Sébastien; Mahmoudi, Ahmed Sidi; Mahmoudi, Saïd,
- HE en Hainaut
,
- Acte de conférence ou de colloque
Acte de conférence ou de colloque
The fourth industrial revolution use modern technologies that produce a continues flow of data. This
large amount of data cannot be analyzed with traditional technologies to detect and diagnose problem
without the need of a human. Deep learning consists of a set of methods based on neural networks
that can process and extract information from a such amount of data.
Deep learning frameworks provide ...