User-Defined Tensor Data Analysis de Bin Dong Format Broché

User-Defined Tensor Data Analysis - Bin Dong

Format: Broché

Note : 0

Soyez le premier à donner un avis

Vous en avez un à vendre ?

Vendez-le-vôtre

Filtrer par :

92,51 €

Produit Neuf

Ou 23,13 € /mois

Livraison : 3,99 €
Livré entre le 17 et le 23 juillet

Voir les modes de livraison

PRO Vendeur favori

4,8/5 sur + de 1 000 ventes

Voir le détail de l'annonce

Nos autres offres

106,11 €

Produit Neuf

Ou 26,53 € /mois

En savoir plus
- Livraison à 0,01 €
- Livré entre le 17 et le 30 juillet
Voir les modes de livraison
RiaChristie

PRO

4,9/5 sur + de 1 000 ventes

Contacter le vendeur

Afficher la description de l'annonce

Brand new, In English, Fast shipping from London, UK; Tout neuf, en anglais, expédition rapide depuis Londres, Royaume-Uni;ria9783030707491_dbm

Voir le détail de l'annonce

Vous avez choisi le retrait chez le vendeur à

Payez directement sur Rakuten (CB, PayPal, 4xCB...)
Récupérez le produit directement chez le vendeur
Rakuten vous rembourse en cas de problème

Terminer ma commande

Gratuit et sans engagement

Félicitations !

Nous sommes heureux de vous compter parmi nos membres du Club Rakuten !

TROUVER UN MAGASIN

Adresse

Retour

Horaires

Note :

Avis sur User - Defined Tensor Data Analysis de Bin Dong Format Broché - Livre Informatique

Note : 0 0 avis sur User - Defined Tensor Data Analysis de Bin Dong Format Broché - Livre Informatique

Donnez votre avis

Donnez votre avis sur ce produit

Votre note * : 1/5 2/5 3/5 4/5 5/5 Veuillez donner une note au produit

Le titre de votre avis* : Saisissez un titre

Quelques conseils :

Donnez le ton de votre avis, résumez-le en quelques mots qui apparaîtront comme le titre de votre avis.

Votre avis* : (40 caractères minimum) Saisissez un avis

Quelques conseils :

N'hésitez pas à mettre en avant les caractéristiques de ce produit, n'oubliez pas de mentionner ses avantages et/ou ses défauts éventuels. Décrivez précisément, argumentez, soyez convaincant !

Annuler

Les avis publiés font l'objet d'un contrôle automatisé de Rakuten.

Produits similaires

Présentation User - Defined Tensor Data Analysis de Bin Dong Format Broché
- Livre Informatique

Livre Informatique - Bin Dong - 01/09/2021 - Broché - Langue : Anglais

Auteur(s) : Bin Dong - Kesheng Wu - Suren Byna

Editeur : Springer International Publishing Ag

Langue : Anglais

Parution : 01/09/2021

Format : Moyen, de 350g à 1kg

Nombre de pages : 116

Expédition : 189

Dimensions : 23.5 x 15.5 x 0.7

ISBN : 9783030707491

Résumé :
1. Introduction.- 1.1 Lessons from Big Data Systems.- 1.2 Data Model.- 1. 3 Programming Model High-Performance Data Analysis for Science.- 2. FasTensor Programming Model.- 2.1 Introduction to Tensor Data Model.- 2.2 FasTensor Programming Model.- 2.2.1 Stencils.- 2.2.2 Chunks.- 2.2.3 Overlap.- 2.2.4 Operator: Transform.- 2.2.5 FasTensor Execution Engine.- 2.2.6 FasTensor Scientific Computing Use Cases.- 2.3 Summary.- Illustrated FasTensor User Interface.- 3.1 An Example.- 3.2 The Stencil Class.- 3.2.1 Constructors of the Stencil.- 3.2.2 Parenthesis operator () and ReadPoint.- 3.2.3 SetShape and GetShape.- 3.2.4 SetValue and GetValue.- 3.2.5 ReadNeighbors and WriteNeighbors.- 3.2.6 GetOffsetUpper and GetOffsetLower.- 3.2.7 GetChunkID.- 3.2.8 GetGlobalIndex and GetLocalIndex.- 3.2.9 Exercise of the Stencil class.- 3.3 The Array Class.- 3.3.1 Constructors of Array.- 3.3.2 SetChunkSize, SetChunkSizeByMem, SetChunkSizeByDim, and GetChunkSize.- 3.3.3 SetOverlapSize, SetOverlapSizeByDetection,GetOverlapSize, SetOverlapPadding, and SyncOverlap.- 3.3.4 Transform.- 3.3.5 SetStride and GetStride.- 3.3.6 AppendAttribute, InsertAttribute, GetAttribute and EraseAttribute.- 3.3.7 SetEndpoint and GetEndpoint.- 3.3.8 ControlEndpoint.- 3.3.9.- ReadArray and WriteArray.- 3.3.10 SetTag and GetTag.- 3.3.11 GetArraySize and SetArraySize.- 3.3.12 Backup and Restore.- 3.3.13 CreateVisFile.- 3.3.14 ReportCost.- 3.3.15 EP_DIR Endpoint.- 3.3.16 EP_HDF5 and Other Endpoints.- Other Functions in FasTensor.- 3.4.1 FT_Init.- 3.4.2 FT_Finalize.- 3.4.3 Data types in FasTensor.- 4. FasTensor in Real Scientific Applications.- 4.1 DAS: Distributed Acoustic Sensing.- 4.2 VPIC: Vector Particle-In-Cell.- Appendix.- A.1 Installation Guide of FasTensor.- A.2 How to Develop a New Endpoint Protocol.- Alphabetical Index.- Bibliography.- References. ...

Biographie:
Dr. Bin Dong is a Research Scientist in Lawrence Berkeley National Laboratory in Berkeley, California, USA. Bin has the Ph.D degree in computing science and technology. Bin has wide research interests in big scientific data analysis, parallel computing, parallel I/O, machine learning, etc. He has co-authored more than 62 technical publications.

Dr. Kesheng Wu is a Senior Scientist at Lawrence Berkeley National Laboratory. He works extensively on data management, data analysis, and scientific computing. He is the developer of a number of widely used algorithms including FastBit bitmap indexes for querying large scientific datasets, Thick-Restart Lanczos (TRLan) algorithm for solving eigenvalue problems, and IDEALEM for statistical data reduction and feature extraction. He has co-authored more than 200 technical publications.

Dr. Suren Byna is a Computer Scientist in the Scientific Data Management (SDM) Group at Lawrence Berkeley National Laboratory in Berkeley, California, USA. His research interests are in scalable scientific data management. More specifically, he works on optimizing parallel I/O and on developing systems for managing scientific data. He leads the ExaIO project in the Exascale Computing Project (ECP) that contributes advanced I/O features to HDF5 and develops a new file system called UnifyFS. He also leads efforts that develop object-centric data management systems (Proactive Data Containers - PDC) and experimental and observational data (EOD) management strategies. He has co-authored more than 150 technical publications.

...

Sommaire:

The SpringerBrief introduces FasTensor, a powerful parallel data programming model developed for big data applications. This book also provides a user's guide for installing and using FasTensor. FasTensor enables users to easily express many data analysis operations, which may come from neural networks, scientific computing, or queries from traditional database management systems (DBMS). FasTensor frees users from all underlying and tedious data management tasks, such as data partitioning, communication, and parallel execution.

This SpringerBrief gives a high-level overview of the state-of-the-art in parallel data programming model and a motivation for the design of FasTensor. It illustrates the FasTensor application programming interface (API) with an abundance of examples and two real use cases from cutting edge scientific applications. FasTensor can achieve multiple orders of magnitude speedup over Spark and other peer systems in executing big data analysis operations. FasTensor makes programming for data analysis operations at large scale on supercomputers as productively and efficiently as possible. A complete reference of FasTensor includes its theoretical foundations, C++ implementation, and usage in applications.

Scientists in domains such as physical and geosciences, who analyze large amounts of data will want to purchase this SpringerBrief. Data engineers who design and develop data analysis software and data scientists, and who use Spark or TensorFlow to perform data analyses, such as training a deep neural network will also find this SpringerBrief useful as a reference tool.

...

Détails de conformité du produit

Consulter les détails de conformité de ce produit (

Personne responsable dans l'UE

)

User-Defined Tensor Data Analysis - Bin Dong

Avis sur User - Defined Tensor Data Analysis de Bin Dong Format Broché - Livre Informatique

Présentation User - Defined Tensor Data Analysis de Bin Dong Format Broché - Livre Informatique

Présentation User - Defined Tensor Data Analysis de Bin Dong Format Broché
- Livre Informatique