BIG DATA & HPC-ÖKOSYSTEM & KONVERGENZ

BIG DATA & HPC-ÖKOSYSTEM & KONVERGENZ (L. GRANDINETTI)

Originaltitel:

BIG DATA & HPC ECOSYSTEM & CONVERGENCE

Inhalt des Buches:

Aufgrund der zunehmenden Notwendigkeit, komplexe Probleme zu lösen, ist High-Performance-Computing (HPC) heute eine der grundlegendsten Infrastrukturen für die wissenschaftliche Entwicklung in allen Disziplinen und hat daher in den letzten Jahren enorme Fortschritte gemacht.

HPC erleichtert die Verarbeitung großer Datenmengen, aber die enormen Forschungsherausforderungen, denen man sich in den letzten Jahren gegenübersah, umfassen: die Skalierbarkeit der Rechenleistung für große Datenmengen mit hoher Geschwindigkeit und Vielfalt; Deep Learning mit großen Datensätzen; Big-Data-Programmierparadigmen auf Multicore-Systemen; GPU- und hybride verteilte Umgebungen; und die Verarbeitung unstrukturierter Daten mit Hochleistungsrechnern. Dieses Buch präsentiert 19 ausgewählte Beiträge des TopHPC2017-Kongresses zum Thema Advances in High-Performance Computing and Big Data Analytics in the Exascale era, der im April 2017 in Teheran, Iran, stattfand.

Das Buch ist in 3 Abschnitte unterteilt: State of the Art and Future Scenarios, Big Data Challenges und HPC Challenges und ist für alle interessant, die sich mit der Verarbeitung von Big Data und dem Einsatz von HPC beschäftigen.

Weitere Daten des Buches:

ISBN:9781614998815
Autor:
Verlag:
Einband:Taschenbuch
Erscheinungsjahr:2018

Kauf:

Derzeit verfügbar, auf Lager.

Ich kaufe es!

Weitere Bücher des Autors:

BIG DATA & HPC-ÖKOSYSTEM & KONVERGENZ - BIG DATA & HPC ECOSYSTEM & CONVERGENCE
Aufgrund der zunehmenden Notwendigkeit, komplexe Probleme zu lösen, ist...
BIG DATA & HPC-ÖKOSYSTEM & KONVERGENZ - BIG DATA & HPC ECOSYSTEM & CONVERGENCE

Die Werke des Autors wurden von folgenden Verlagen veröffentlicht:

© Book1 Group - Alle Rechte vorbehalten.
Der Inhalt dieser Seite darf weder teilweise noch vollständig ohne schriftliche Genehmigung des Eigentümers kopiert oder verwendet werden.
Letzte Änderung: 2024.11.13 22:11 (GMT)