Computación empotrada de funciones de los sistemas de recomendación mediante FPGAs

En este artículo se muestran varias implementaciones de algoritmos y diseños de unidades aceleradoras hardware en un sistema de computación empotrado en FPGA. Estos algoritmos desarrollan diversas funcionalidades de los sistemas de recomendación, que constituyen una de las aplicaciones más populares del aprendizaje-máquina para el filtrado colaborativo. Los sistemas de recomendación son utilizados ampliamente con propósitos predictivos en entornos on-line donde existe una gran interacción entre usuarios y tareas, las cuales son valoradas de forma cuantitativa. En este trabajo se ha utilizado un caso concreto de aplicación: la predicción del rendimiento de los estudiantes en campus virtuales. Nuestro trabajo parte de resultados anteriores donde se demostró la aceleración del cálculo matricial en la predicción mediante circuitos FPGA con un alto grado de paralelismo de grano fino. Aquellos resultados motivaron nuevas implementaciones de mayor rendimiento. Los desarrollos fueron programados utilizando HLS y testados en sistemas empotrados.