Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Sostenibilità dei sistemi Intelligenti: bilanciamento tra accuratezza e consumo energetico |
|---|---|
| Titolo del progetto di ricerca in inglese | Sustainability of AI-Enabled Systems: Balancing Accuracy and Energy Trade-off |
| Campo principale della ricerca | Computer science |
| Sottocampo della ricerca | Other |
| Settore Concorsuale | 01 - Scienze matematiche e informatiche |
| S.S.D | INF/01 - INFORMATICA |
| Descrizione sintetica in italiano | L'integrazione dei modelli di Machine Learning (ML) nei sistemi software ha sollevato notevoli preoccupazioni in merito al consumo energetico. Questo progetto di ricerca mira a studiare l'efficienza energetica dei sistemi ML, concentrandosi su approcci incentrati sui dati, in particolare sulla selezione delle feature e sulla gestione del “concept drift”. L'analisi esistente rivela differenze sostanziali nel consumo energetico nei metodi di selezione delle feature ed esplora il loro impatto sull'impronta energetica dei modelli ML. Inoltre, approcci vari utilizzati per rilevare il concept drift offrono accuratezza e costi energetici diversi, identificando strategie di efficienza energetica per mantenere le prestazioni del ML. I risultati empirici evidenziano consumo energetico ed accuratezza differenti nell’uso di diversi metodi di riduzione delle feature e rilevatori del concept drift |
| Descrizione sintetica in inglese | Integrating Machine Learning (ML) models into software systems has raised significant concerns about energy consumption. This research project aims to investigate the energy efficiency of ML systems, focusing on data-centric approaches, specifically feature selection and concept drift management. Existing analysis reveals substantial differences in energy consumption across feature selection methods and explores their impact on the energy footprint of ML models. Additionally, various concept drift detectors offer differing accuracy and energy costs, identifying energy-efficient strategies to maintain ML performance. Empirical results highlight the different energy and accuracy of different feature reduction methods and concept drift detectors. |
| Data del bando | 18/10/2024 |
| Numero di assegnazioni per anno | 1 |
| Stanziamento annuale (indicativo) | 48000 |
| Periodicità | mensile |
| E' richiesta mobilità internazionale? | no |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
EUROPE |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | http://www.univaq.it |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Il contratto prevede la copertura delle prestazioni sociali? | no |
| Importo annuale | 48000 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | no |
| Comprende vitto e spese di viaggio | no |
| Comprende il costo della ricerca | no |
| Criteri di selezione in italiano (breve descrizione) |
titolo e colloquio |
| Criteri di selezione in inglese (breve descrizione) |
qualifications and interview |
| Nome dell'Ente finanziatore | UNIVERSITA' DEGLI STUDI DELL'AQUILA |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | L'AQUILA |
| Codice postale | 67100 |
| Indirizzo | VIA VETOIO |
| Sito web | http://www.univaq.it |
| henry.muccini@univaq.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 06/11/2024 |
|---|---|
| Come candidarsi | https://pica.cineca.it |