Bakalářská práce

Learned Metric Index in Rust

Marek Ličko
Anotace

Efektívne vyhľadávanie podobnosti vo veľkých, vysokodimenzionálnych dátových množinách je kľúčové pre mnohé moderné aplikácie. Learned Metric Index (LMI) predstavuje efektívny prístup založený na strojovom učení pre túto úlohu vyhľadávania podobnosti. Existujúce implementácie LMI v Pythone sú však obmedzené interpretovanou povahou jazyka a Global Interpreter Lock (GIL), čo obmedzuje výkon a škálovateľnosť …více

Abstract

Efficient similarity search in large, high-dimensional datasets is crucial for many modern applications. The Learned Metric Index (LMI) offers an effective machine learning-based approach to this similarity search task. However, existing LMI implementations in Python are constrained by the language's interpreted nature and the Global Interpreter Lock, limiting performance and scalability. Rust, with …více

Klíčová slova
learned metric index rust nearest neighbor query similarity search data indexing
Zadání práce
The student will implement the Learned Metric Index using the Rust programming language. In addition to the typical scenario of unrestricted memory indexing, the implementation will also support memory-restricted indexing with and without access to the dataset stored on disk during the search procedure. The implementation will take advantage of Rust's concurrency model to increase the efficiency and parallelism of build and search operations. Packaged as a library, it will provide a Python wrapper on top of the Rust implementation to ensure seamless integration and minimal overhead for Python applications. The evaluation will compare the Rust implementation with the existing Python version. The student will document the performance differences of specific steps within the build and search procedures and design tradeoffs. The comparison will be performed on a subset of embeddings from the LAION-5B image collection.
Administrativní informace
Práce zkontrolována:
26. 5. 2025 08:50, RNDr. David Procházka, učo 485104
Plný text práce
2,9 MB / soubor PDF
Přílohy (1)
Jazyk práce
angličtina angličtina
Termín obhajoby
27. 6. 2025
Práce byla úspěšně obhájena

Vedoucí

RNDr. David Procházka, učo 485104
KSUZD FI MU

Oponent

Mgr. et Mgr. Jaroslav Oľha, Ph.D., učo 348646
KSUZD FI MU
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Plán
Informatika

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.