Parallel computing (01) (Tính toán song song)
Đang tạo bản xem trước...
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.
Mô tả
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
Tóm tắt AI
- Tên tài liệu
- Parallel computing (01) (Tính toán song song)
- Trường / Môn
- University of Hildesheim · Big Data
- Nội dung
- 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.
- Mục lục
- 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
- Số trang
- 81 trang
- Người đăng
- Uni24h
Câu hỏi thường gặp
Tài liệu này có miễn phí không?
Có. “Parallel computing (01) (Tính toán song song)” miễn phí — bạn chỉ cần đăng nhập rồi bấm Tải xuống để lấy file gốc.
Tài liệu dài bao nhiêu trang?
Tài liệu gồm 81 trang, thuộc môn Big Data. Bạn có thể xem trước online trước khi tải.
Tôi có thể xem trước trước khi tải không?
Có. Bạn xem trước tài liệu ngay trên trang này bằng trình đọc online, rồi quyết định tải về.
Parallel computing (01) (Tính toán song song)
Đang tạo bản xem trước...
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
Đọc toàn bộ tài liệu
- Tên tài liệu
- Parallel computing (01) (Tính toán song song)
- Trường / Môn
- University of Hildesheim · Big Data
- Nội dung
- 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.
- Mục lục
- 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
- Số trang
- 81 trang
- Người đăng
- Uni24h
Bình luận (0)
Chưa có bình luận nào. Hãy là người đầu tiên!
Neumann (mối quan hệ giữa Exascale Computing và Big Data) - Philipp Neumann
Tính toán trong bộ nhớ với Spark - Julian M. Kunkel
Intro to Mapreduce (02) (Giới thiệu về MapReduce và Hadoop) (Tiếng Anh)
GPUs (04) (Xử lý song song và bộ xử lý đồ họa)
Neo4j (08) (Xử lý đồ thị với Neo4j) - BigData Analytics - Julian M. Kunkel
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
Chương 5.Thuyết tương đối - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 4. Tán xạ ánh sáng - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 3.Phân cực ánh sáng - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Bình luận (0)
Chưa có bình luận nào. Hãy là người đầu tiên!