Parallel computing (01) (Tính toán song song)
- Seiten
- 81
- Định dạng
- Dung lượng
- 922 KB
- Năm
- 2004
- Trường
- University of Hildesheim
- Aufrufe
- 0
- Kommentare
- 0
- Lượt tải
- 0
Vorschau wird generiert...
Slide bài giảng giới thiệu về tính toán song song, bao gồm các khái niệm cơ bản về threads, các API và đề cương khóa học Big Data Analytics.
- Dokumentenname
- Parallel computing (01) (Tính toán song song)
- Schule / Kurs
- University of Hildesheim · Big Data
- Inhalt
- Tài liệu giới thiệu về tính toán song song, tập trung vào khái niệm tiến trình và luồng, cùng các API lập trình luồng phổ biến. Nó là phần mở đầu cho các chủ đề nâng cao hơn về tính toán phân tán và học máy.
- Inhaltsverzeichnis
- 0. Introduction
- A. Parallel Computing
- A.1 Threads
- A.2 Message Passing Interface (MPI)
- A.3 Graphical Processing Units (GPUs)
- B. Distributed Storage
- B.1 Distributed File Systems
- B.2 Partioning of Relational Databases
- B.3 NoSQL Databases
- C. Distributed Computing Environments
- C.1 Map-Reduce
- C.2 Resilient Distributed Datasets (Spark)
- C.3 Computational Graphs (TensorFlow)
- D. Distributed Machine Learning Algorithms
- D.1 Distributed Stochastic Gradient Descent
- D.2 Distributed Matrix Factorization
- Questions and Answers
- 1. Threads Basics
- 2. Starting and Interrupting Threads
- 3. Synchronization I: Monitors
- 4. Synchronization II: Locks
- 5. Starting Threads II: Thread Pools and Dependency Graphs
- 6. Open MP
- 7. More Examples
- Seiten
- 81 Seiten
- Hochgeladen von
- Uni24h
Beschreibung
Trích nội dung tài liệu
Big Data Analytics Big Data Analytics A. Parallel Computing / A.1 Threads Lars Schmidt-Thieme Information Systems and Machine Learning Lab (ISMLL) Institute for Computer Science University of Hildesheim, Germany Lars Schmidt-Thieme, Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany 1 / 52 Big Data Analytics Syllabus Tue. 9.4. (1) 0. Introduction Tue. 16.4. Tue. 23.4. Tue. 30.4. (2) (3) (4) A. Parallel Computing A.1 Threads A.2 Message Passing Interface (MPI) A.3 Graphical Processing Units (GPUs) Tue. 7.5. Tue. 14.5. Tue. 21.5. (5) (6) (7) B. Distributed Storage B.1 Distributed File Systems B.2 Partioning of Relational Databases B.3 NoSQL Databases Tue. 28.5. Tue. 4.6. Tue. 11.6. Tue. 18.6. (8) (9) (10) C. Distributed Computing Environments C.1 Map-Reduce Pentecoste Break — C.2 Resilient Distributed Datasets (Spark) C.3 Computational Graphs (TensorFlow) Tue. 25.6. Tue. 2.7. (11) (12) D. Distributed Machine Learning Algorithms D.1 Distributed Stochastic Gradient Descent D.2 Distributed Matrix Factorization Tue. 9.7. (13) Questions and Answers Lars Schmidt-Thieme, Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany 1 / 52 Big Data Analytics Outline 1. Threads Basics 2. Starting and Interrupting Threads 3. Synchronization I: Monitors 4. Synchronization II: Locks 5. Starting Threads II: Thread Pools and Dependency Graphs 6. Open MP 7. More Examples Lars Schmidt-Thieme, Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany 1 / 52 Big Data Analytics 1. Threads Basics Outline 1. Threads Basics 2. Starting and Interrupting Threads 3. Synchronization I: Monitors 4. Synchronization II: Locks 5. Starting Threads II: Thread Pools and Dependency Graphs 6. Open MP 7. More Examples Lars Schmidt-Thieme, Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany 1 / 52 Big Data Analytics 1. Threads Basics Pro
Häufig gestellte Fragen
Ist dieses Dokument kostenlos?
Ja. „Parallel computing (01) (Tính toán song song)“ ist kostenlos — melden Sie sich einfach an und klicken Sie auf Herunterladen, um die Originaldatei zu erhalten.
Wie viele Seiten hat dieses Dokument?
Das Dokument hat 81 Seiten, für den Kurs Big Data. Sie können es vor dem Herunterladen online in der Vorschau ansehen.
Kann ich vor dem Herunterladen eine Vorschau ansehen?
Ja. Sie können sich dieses Dokument direkt auf dieser Seite im Online-Reader ansehen und dann entscheiden, ob Sie es herunterladen möchten.
Parallel computing (01) (Tính toán song song)
Vorschau wird generiert...
Trích nội dung tài liệu
Big Data Analytics Big Data Analytics A. Parallel Computing / A.1 Threads Lars Schmidt-Thieme Information Systems and Machine Learning Lab (ISMLL) Institute for Computer Science University of Hildesheim, Germany Lars Schmidt-Thieme, Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany 1 / 52 Big Data Analytics Syllabus Tue. 9.4. (1) 0. Introduction Tue. 16.4. Tue. 23.4. Tue. 30.4. (2) (3) (4) A. Parallel Computing A.1 Threads A.2 Message Passing Interface (MPI) A.3 Graphical Processing Units (GPUs) Tue. 7.5. Tue. 14.5. Tue. 21.5. (5) (6) (7) B. Distributed Storage B.1 Distributed File Systems B.2 Partioning of Relational Databases B.3 NoSQL Databases Tue. 28.5. Tue. 4.6. Tue. 11.6. Tue. 18.6. (8) (9) (10) C. Distributed Computing Environments C.1 Map-Reduce Pentecoste Break — C.2 Resilient Distributed Datasets (Spark) C.3 Computational Graphs (TensorFlow) Tue. 25.6. Tue. 2.7. (11) (12) D. Distributed Machine Learning Algorithms D.1 Distributed Stochastic Gradient Descent D.2 Distributed Matrix Factorization Tue. 9.7. (13) Questions and Answers Lars Schmidt-Thieme, Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany 1 / 52 Big Data Analytics Outline 1. Threads Basics 2. Starting and Interrupting Threads 3. Synchronization I: Monitors 4. Synchronization II: Locks 5. Starting Threads II: Thread Pools and Dependency Graphs 6. Open MP 7. More Examples Lars Schmidt-Thieme, Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany 1 / 52 Big Data Analytics 1. Threads Basics Outline 1. Threads Basics 2. Starting and Interrupting Threads 3. Synchronization I: Monitors 4. Synchronization II: Locks 5. Starting Threads II: Thread Pools and Dependency Graphs 6. Open MP 7. More Examples Lars Schmidt-Thieme, Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany 1 / 52 Big Data Analytics 1. Threads Basics Pro
- Dokumentenname
- Parallel computing (01) (Tính toán song song)
- Schule / Kurs
- University of Hildesheim · Big Data
- Inhalt
- Tài liệu giới thiệu về tính toán song song, tập trung vào khái niệm tiến trình và luồng, cùng các API lập trình luồng phổ biến. Nó là phần mở đầu cho các chủ đề nâng cao hơn về tính toán phân tán và học máy.
- Inhaltsverzeichnis
- 0. Introduction
- A. Parallel Computing
- A.1 Threads
- A.2 Message Passing Interface (MPI)
- A.3 Graphical Processing Units (GPUs)
- B. Distributed Storage
- B.1 Distributed File Systems
- B.2 Partioning of Relational Databases
- B.3 NoSQL Databases
- C. Distributed Computing Environments
- C.1 Map-Reduce
- C.2 Resilient Distributed Datasets (Spark)
- C.3 Computational Graphs (TensorFlow)
- D. Distributed Machine Learning Algorithms
- D.1 Distributed Stochastic Gradient Descent
- D.2 Distributed Matrix Factorization
- Questions and Answers
- 1. Threads Basics
- 2. Starting and Interrupting Threads
- 3. Synchronization I: Monitors
- 4. Synchronization II: Locks
- 5. Starting Threads II: Thread Pools and Dependency Graphs
- 6. Open MP
- 7. More Examples
- Seiten
- 81 Seiten
- Hochgeladen von
- Uni24h
Kommentare (0)
Noch keine Kommentare. Seien Sie der Erste!
Stream (11) (Xử lý luồng dữ liệu) - Julian M. Kunkel
Krone (09) (Sự phát triển của dữ liệu) (Tiếng Anh)
Parallel mf (09) (Thuật toán phân tán phân tích ma trận dữ liệu lớn)
Big Data Analytics - Phân tích dữ liệu lớn (Lecture 5)
NoSQL db (06) (Cơ sở dữ liệu NoSQL)
Tổng hợp Đề Toán 5 - Luyện thi vào Lớp 6 - CLB EMath
Bài giảng vật lý đại cương (Chương 3) - Đỗ Ngọc Uấn
Chương 8.Nguyên tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 7.Cơ học lượng tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 6.Quang học lượng tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Kommentare (0)
Noch keine Kommentare. Seien Sie der Erste!