Мошараф Чоудхури

Мошараф Чоудхури
Мошараф Чоудхури
Альма-матер	Калифорнийский университет в Беркли , Бангладешский университет инженерии и технологий
Награды	Премия NSF CAREER; Премия ACM SIGCOMM за докторскую диссертацию ;
	Научная карьера
Учреждения	Мичиганский университет, Энн-Арбор
Тезис	Coflow: сетевая абстракция для распределенных приложений с параллельными данными (2015)
научный руководитель	Ион Стойка
Веб-сайт	www.mosharaf.com

Бангладешско-американский учёный-компьютерщик

Мошараф Чоудхури — американский ученый-компьютерщик бангладешского происхождения , известный своим вкладом в области компьютерных сетей и крупномасштабных систем для новых рабочих нагрузок машинного обучения и больших данных . Он является доцентом кафедры компьютерных наук и инженерии в Мичиганском университете в Энн-Арборе и руководит SymbioticLab. Он является создателем coflow ^[2] и соавтором Apache Spark . ^[3]

Исследовать

Chowdhury специализируется в области компьютерных сетей и крупномасштабных систем для новых рабочих нагрузок машинного обучения и больших данных . В частности, его исследования направлены на симбиоз приложений AI/ML и инфраструктуры программного обеспечения/аппаратуры в масштабах глобальных вычислений, вычислений в масштабах центров обработки данных и стоек.

Чоудхури был пионером во многих областях исследований и технологий в контексте новых рабочих нагрузок и компьютерных систем. Чоудхури создал Infiniswap , первую практическую систему дезагрегации памяти, ^[4] Salus , первую программную систему совместного использования GPU для глубокого обучения , ^[5] FedScale , крупнейший бенчмарк и платформу федеративного обучения , ^[6] и Zeus , первую структуру оптимизации времени и энергии GPU для глубокого обучения . ^[7]

Ссылки

^ "Премия за докторскую диссертацию SIGCOMM | acm sigcomm". www.sigcomm.org . Получено 07.05.2023 .
^ Chowdhury, Mosharaf; Stoica, Ion (2012-10-29). "Coflow: сетевая абстракция для кластерных приложений". Труды 11-го семинара ACM по горячим темам в сетях . HotNets-XI. Нью-Йорк, Нью-Йорк, США: Ассоциация вычислительной техники. стр. 31–36 . doi :10.1145/2390231.2390237. ISBN 978-1-4503-1776-4. S2CID 6956491.
^ Захария, Матей; Чоудхури, Мошараф; Франклин, Майкл Дж.; Шенкер, Скотт; Стойка, Ион (2010-06-22). "Spark: кластерные вычисления с рабочими наборами". Труды 2-й конференции USENIX по актуальным темам в облачных вычислениях . HotCloud'10. США: Ассоциация USENIX.
^ Гу, Цзюньчэн; Ли, Ёнмун; Чжан, Ивэнь; Чоудхури, Мошараф; Шин, Кан Г. (2017). «Эффективное разъединение памяти с помощью Infiniswap». Труды 14-го симпозиума USENIX по проектированию и внедрению сетевых систем (NSDI '17) . стр. 649–667 . ISBN 978-1-931971-37-9.
^ Ю, Пейфенг; Чоудхури, Мошараф (2020). «Мелкозернистые примитивы совместного использования графического процессора для приложений глубокого обучения» (PDF) . Труды 3-й конференции MLSys .
^ Лай, Фань; Дай, Иньвэй; Сингапурам, Санджай; Лю, Цзячен; Чжу, Сянфэн; Мадхьястха, Харша; Чоудхури, Мошараф (28.06.2022). «FedScale: Сравнительный анализ модели и производительности системы федеративного обучения в масштабе». Труды 39-й Международной конференции по машинному обучению . PMLR: 11814– 11827. arXiv : 2105.11367 .
^ You, Jie; Chung, Jae-Won; Chowdhury, Mosharaf (2023). «Zeus: понимание и оптимизация потребления энергии {GPU} при обучении {DNN}». Usenix Nsdi : 119– 139. ISBN 978-1-939133-33-5.

[1] "Премия за докторскую диссертацию SIGCOMM | acm sigcomm". www.sigcomm.org . Получено 07.05.2023 .

[2] Chowdhury, Mosharaf; Stoica, Ion (2012-10-29). "Coflow: сетевая абстракция для кластерных приложений". Труды 11-го семинара ACM по горячим темам в сетях . HotNets-XI. Нью-Йорк, Нью-Йорк, США: Ассоциация вычислительной техники. стр. 31–36 . doi :10.1145/2390231.2390237. ISBN 978-1-4503-1776-4. S2CID 6956491.

[3] Захария, Матей; Чоудхури, Мошараф; Франклин, Майкл Дж.; Шенкер, Скотт; Стойка, Ион (2010-06-22). "Spark: кластерные вычисления с рабочими наборами". Труды 2-й конференции USENIX по актуальным темам в облачных вычислениях . HotCloud'10. США: Ассоциация USENIX.

[4] Гу, Цзюньчэн; Ли, Ёнмун; Чжан, Ивэнь; Чоудхури, Мошараф; Шин, Кан Г. (2017). «Эффективное разъединение памяти с помощью Infiniswap». Труды 14-го симпозиума USENIX по проектированию и внедрению сетевых систем (NSDI '17) . стр. 649–667 . ISBN 978-1-931971-37-9.

[5] Ю, Пейфенг; Чоудхури, Мошараф (2020). «Мелкозернистые примитивы совместного использования графического процессора для приложений глубокого обучения» (PDF) . Труды 3-й конференции MLSys .

[6] Лай, Фань; Дай, Иньвэй; Сингапурам, Санджай; Лю, Цзячен; Чжу, Сянфэн; Мадхьястха, Харша; Чоудхури, Мошараф (28.06.2022). «FedScale: Сравнительный анализ модели и производительности системы федеративного обучения в масштабе». Труды 39-й Международной конференции по машинному обучению . PMLR: 11814– 11827. arXiv : 2105.11367 .

[7] You, Jie; Chung, Jae-Won; Chowdhury, Mosharaf (2023). «Zeus: понимание и оптимизация потребления энергии {GPU} при обучении {DNN}». Usenix Nsdi : 119– 139. ISBN 978-1-939133-33-5.