Hoppa till huvudinnehållet
Till KTH:s startsida

FIK3221 Nätverkssystem för maskininlärning 7,5 hp

Maskininlärningens inferens (modellservering) blir allt viktigare för alla aspekter av samhället.
Tyvärr kan inferens ha mycket snäva latensgränser och kräva ohållbara mängder resurser. Kursen
lär eleverna de senaste teknikerna för att effektivt betjäna maskininlärningsarbetsbelastningar med
datacenter.

Information per kursomgång

Termin

Information för VT 2025 Start 2025-03-17 programstuderande

Studielokalisering

KTH Kista

Varaktighet
2025-03-17 - 2025-06-02
Perioder
P4 (7,5 hp)
Studietakt

50%

Anmälningskod

61208

Undervisningsform

Normal Dagtid

Undervisningsspråk

Engelska

Kurs-PM
Kurs-PM är inte publicerat
Antal platser

Ingen platsbegränsning

Målgrupp
Ingen information tillagd
Planerade schemamoduler
Ingen information tillagd
Schema
Schema är inte publicerat
Del av program
Ingen information tillagd

Kontakt

Kursplan som PDF

Notera: all information från kursplanen visas i tillgängligt format på denna sida.

Kursplan FIK3221 (VT 2025–)
Rubriker med innehåll från kursplan FIK3221 (VT 2025–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursupplägg

PRO1 – Projektuppgifter, 2.5 hp, betygsskala: P/F
SEM1 – Rapportsammanfattningar, 2.5 hp, betygsskala: P/F
TEN1 – Skriftlig tentamen, 2.5 hp, betygsskala: P/F

Kursinnehåll

Nätverksfunktioner. Virtualisering. Kernel bypass-tekniker (t.ex. DPDK) för nätverk med över 100 gigabit per sekund. Avlastning till Smart Network Interface Cards (SmartNIC). Snabbt nätverk med liten eller ingen CPU-inblandning med hjälp av direkt fjärrminnesåtkomst (RDMA).
Nätverksaspekter av maskininlärningsslutledning med hjälp av grafiska processorer (GPU).
Lastuppskattning och belastningsutjämning. Begäran om utskick och schemaläggning. Effektiv, storskalig maskininlärningsslutledning. Slutledning med stora språkmodeller (LLM).

Lärandemål

Efter godkänd kurs ska studenten kunna:

  • beskriva och analysera ett exempel på en tjänst som använder virtualisering av nätverksfunktioner(NFV)
  • lista och analysera ett exempel på en tjänst som använder virtualisering av nätverksfunktioner (NFV)
  • förklara och särskilja de viktiga fördelarna med RDMA (Remote Direct Memory Access) och hur det fungerar
  • analysera metoder för att utföra nätverks-I/O direkt till/från grafikprocessorer (GPU)
  • förklara metoder för att förbättra slutledningslatens i detalj
  • beskriva och analysera lastbalanseringens roll för servrar
  • beskriva och analysera exempel på aktuella forskningsproblem med att betjäna arbetsbelastningar för maskininlärning i datacenter
  • tillämpa kunskapen från kursen för att analysera din forskningsdomän och visa dess praktiska användning och inverkan
  • analysera sambanden mellan kursmaterialet och din egen forskning, och betona deras betydelse
  • argumentera för giltigheten av dessa samband, genom att ge tydliga och evidensbaserade resonemang

Kurslitteratur och förberedelser

Särskild behörighet

Kunskaper i avancerad internetteknik, 7,5 hp, motsvarande slutförd kurs IK2215. Kunskaper och färdigheter i programmering i C++, Java eller Python, 6 hp, motsvarande slutförd kurs DD1310-DD1319/DD1331/DD1337/DD100N/ID1018.

Rekommenderade förkunskaper

Kunskaper i avancerad internetteknik, 7,5 hp, motsvarande slutförd kurs IK2215. Kunskaper och
färdigheter i programmering i C++, Java eller Python, 6 hp, motsvarande slutförd kurs DD1310-
DD1319/DD1331/DD1337/DD100N/ID1018.

Kurslitteratur

Du hittar information om kurslitteratur antingen i kursomgångens kurs-PM eller i kursomgångens kursrum i Canvas.

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

P, F

Examination

  • PRO1 - Projektuppgifter, 2,5 hp, betygsskala: P, F
  • SEM1 - Rapportsammanfattningar, 2,5 hp, betygsskala: P, F
  • TEN1 - Skriftlig tentamen, 2,5 hp, betygsskala: P, F

Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Examinator

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

Huvudområde

Denna kurs tillhör inget huvudområde.

Utbildningsnivå

Forskarnivå

Forskarkurs

Forskarkurser på EECS/Programvaruteknik och datorsystem