Data Science Cluster im Vollbetrieb
GPU Power für Deep Learning Anwendungen
Der GPU Server des Studiengangs Data Science and Business Analytics ist in den letzten Wochen für Anwendungen im Bereich der künstlichen Intelligenz optimiert worden. Somit steht unseren Studierenden eine leistungsstarke Umgebung für verschiedenste Deep Learning Anwendungen zur Verfügung.
Unser Data Science Core Team, Alexander Adrowitzer und Torsten Priebe, hat unter Unterstützung von Alexander Buchelt, der sein Pflichtpraktikum bei uns absolviert, auf dem Server umfangreiche Tests mit komplexen neuronalen Netzwerken auf großen Datenmengen durchgeführt.
Vorteile für Lehrende und Studierende
Die parallele Nutzung aller 8 NVIDIA GeForce 1080 Ti GPUs bringt enorme Geschwindigkeitsvorteile und macht somit ganz neue Einsatzbereiche in Lehre und Forschung möglich. So können beispielsweise mühelos große Mengen an Bildern klassifiziert werden, um den Studierenden u. a. die Möglichkeiten aber auch Risiken der Gesichtserkennung näher zu bringen.
Die leistungsstarke Hardware mit zwei 10-Kern CPUs steht allen Studierenden des Studiengangs Data Science ab kommendem Semester zur Verfügung. Mit der optimierten Hardware können die Studierenden der Vertiefung Gesundheit eigene Prognosemodelle, etwa zur Ausbreitung von Pandemien, berechnen. Im Bereich Produktion lassen sich große Datenströme analysieren, um mögliche Ausfälle von Maschinen zeitgerecht vorherzusagen.
Anwendung im Data Science Bootcamp
Bei dem im Herbst stattfindenden von der FFG geförderten Data Science Bootcamp können wir auf dem GPU Cluster Anwendungsfälle der verschiedensten Disziplinen vorführen, von der Auswertung von Mobilfunkdaten bis zur Erstellung von Wetterprognosen. Beim Digital pro Bootcamp handelt es sich um eine neunwöchige Weiterbildung für Mitarbeiter*innen von acht Klein- und Großunternehmen an der FH St. Pölten im Bereich der Datenanalyse mit Schwerpunkt auf Data Engineering, Datenvisualisierung sowie künstlicher Intelligenz.
Nächster Ausbauschritt geplant
Der nächste Ausbauschritt der Data Science Infrastruktur ist schon in Arbeit, der Server wird zu einem Cluster erweitert, um den Studierenden eine verteilte Big Data Architektur auf Hadoop und Spark Basis zu Lehr- und Übungszwecken zur Verfügung zu stellen.
