Аннотация:В данной работе проводится анализ Apache Spark как программной платформы для параллельного обучения нейросетей, используя метод роя частиц. В разделе 1 обосновывается актуальность использования Apache Spark и выбранной архитектуры нейронной сети. В разделе 2 формулируются поставленные в работе задачи. В разделе 3 описаны принципы организации обработки данных и основные понятия, используемые при работе с распределенными данными в Spark. В разделе 4 дается формальное описание классического и модифицированного метода роя частиц, который использовался в работе. Также в данном разделе дается описание нейронной эхо-сети, и проводится обзор работ по обучению нейросетей такого рода методом роя частиц. В разделе 5 проводится анализ библиотек MLlib и Deeplearning4j, которые используется для машинного обучения на платформе Spark. В разделе 6 описан предлагаемый подход к распараллеливанию вычислений метода роя частиц и параллельный алгоритм обучения нейронной эхо-сети. В разделе 7 указаны особенности программной реализации, в частности UML диаграммы используемых классов. В разделе 8 дается описание кластера Ангара К-1, который использовался для вычислительных экспериментов, указаны параметры метода роя частиц и нейронной сети, описана тестовая задача для обучения нейронной сети, полученные графики масштабируемости, ошибки обучения и их анализ. Было показано, что ускорение начинает падать, если объем обучающей выборки недостаточно большой. В разделе 9 описаны основные результаты и в разделе 10 указан список используемой литературы.