Тема номера

Архитектура хранения для цифрового предприятия

Рост объемов информации, повышенные требования к ее доступности, эффективности накопления и использования вызывают необходимость в системах хранения, которые должны быть одновременно емкими, надежными, практически безгранично масштабируемыми и недорогими. Традиционные архитектуры таким требованиям уже не удовлетворяют.

Цифровая трансформация в цифрах

Цифровая трансформация все чаще называется в числе важнейших условий успешного развития предприятий, однако до сих пор нет ни четкого понимания этого явления, ни его согласованных количественных оценок, как и нет границ самого этого понятия.

Машинное обучение для Больших Данных

Теоретические основы машинного обучения появились практически одновременно с первыми компьютерами, однако при его практическом применении всегда приходится учитывать специфику конкретных систем. Работа с Большими Данными средствами Hadoop требует инструментов адаптации алгоритмов машинного обучения к этой платформе, например с помощью механизмов из стека IBM BigInsights.

Машинное обучение для понимания естественного языка

Технологии обработки естественного языка сегодня шагнули далеко вперед, и немалая заслуга в этом принадлежит машинному обучению, применяемому, в частности, для понимания текстов.

Машинное обучение для планирования запросов

Рост объемов данных требует от СУБД увеличения производительности выполнения запросов. Оптимизация плана выполнения запроса с использованием средств машинного обучения позволяет в разы уменьшить время его обработки.

Практические аспекты машинного обучения

Сегодня с машинным обучением связывают много надежд, однако успешность его применения определяется не только выбором адекватного задаче алгоритма, но и правильными шагами на этапах планирования, разработки и внедрения модели.

Оценка компетентностей студентов на основе анализа социальных сетей

В третьем поколении Федеральных государственных образовательных стандартов высшего профессионального образования задачи обучения формулируются в терминах компетентностей учащихся, что делает актуальной задачу их оценки. На помощь приходят средства машинного обучения, позволяющие оценить компетентности студентов на основе анализа их поведения в социальных сетях.

Машинное обучение в системах хранения Большого адронного коллайдера

Алгоритмы машинного обучения все шире используются для увеличения производительности гибридных систем хранения данных. Классификации, регрессии и анализ временных рядов помогают выбрать тип хранилища и упорядочить в нем размещение файлов.

Экзабайтное хранилище научных данных

Сегодня только в ходе одного эксперимента в области физики высоких энергий генерируется такой объем метаданных, который сравним с объемом данных экспериментов, полученных за весь XX век. Однако для организации хранения и эффективного доступа к этим метаданным прежние реляционные технологии уже непригодны. Объемы метаданных

Перенос параллельных программ без потери эффективности

Аппаратные архитектуры меняются быстрее программ. Рано или поздно возникает необходимость их переноса, однако данная задача, хорошо решаемая для последовательного кода, усложняется в случае параллельных программ, которые должны работать эффективно и на новой архитектуре. Параметризация программ позволит управлять отображением кода на иерархию памяти конкретной вычислительной системы с учетом возможностей параллелизма.