La Knowledge Distillation si configura come paradigma essenziale nei Sistemi di Raccomandazione per coniugare l'accuratezza predittiva dell'apprendimento profondo con l'efficienza operativa. L'analisi sistematizza le metodologie di trasferimento della conoscenza verso reti compatte e scalabili, delineando infine le future sinergie tecnologiche con Graph Neural Networks, Large Language Models e Neural Architecture Search.
KNOWLEDGE DISTILLATION PER IL DEPLOYMENT DI SISTEMI DI RACCOMANDAZIONE EFFICIENTI E SCALABILI
MAGRONE, MIRIANA
2024/2025
Abstract
La Knowledge Distillation si configura come paradigma essenziale nei Sistemi di Raccomandazione per coniugare l'accuratezza predittiva dell'apprendimento profondo con l'efficienza operativa. L'analisi sistematizza le metodologie di trasferimento della conoscenza verso reti compatte e scalabili, delineando infine le future sinergie tecnologiche con Graph Neural Networks, Large Language Models e Neural Architecture Search.File in questo prodotto:
Fulltext non presente su UNITESI – Verifica la disponibilità della tesi in formato cartaceo interrogando il Catalogo di Ateneo
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.14253/82171