ARQUITECTURAS HETEROGENEAS ORIENTADAS A COMPUTACION COGNITIVA
EL PROYECTO ABORDARA LA SINERGIA DE MODELOS DE COMPUTACION BASADOS EN EL APRENDIZAJE AUTOMATIZADO (O MACHINE LEARNING) Y LOS PROBLEMAS ASOCIADOS A BIG-DATA ANALYTICS, Y COMO HA DE SER EL HARDWARE SUBYACENTE. SE ESTUDIARA COMO COMB...
ver más
Fecha límite participación
Sin fecha límite de participación.
Financiación
concedida
El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto
el día 2016-01-01
No tenemos la información de la convocatoria
0%
100%
Características del participante
Este proyecto no cuenta con búsquedas de partenariado abiertas en este momento.
Información adicional privada
No hay información privada compartida para este proyecto. Habla con el coordinador.
¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video
Fecha límite de participación
Sin fecha límite de participación.
Descripción del proyecto
EL PROYECTO ABORDARA LA SINERGIA DE MODELOS DE COMPUTACION BASADOS EN EL APRENDIZAJE AUTOMATIZADO (O MACHINE LEARNING) Y LOS PROBLEMAS ASOCIADOS A BIG-DATA ANALYTICS, Y COMO HA DE SER EL HARDWARE SUBYACENTE. SE ESTUDIARA COMO COMBINAR LOS REQUERIMIENTOS EN UNA ARQUITECTURA UNICA. EL OBJETIVO ES DEFINIR UNA ARQUITECTURA QUE PERMITA EXPLOTAR EFICIENTEMENTE LAS CARACTERISTICAS HETEROGENEAS EN TERMINOS DE PARALELISMO A NIVEL DE INSTRUCCION, THREAD Y DATOS QUE LAS DIVERSAS PARTES DE LA APLICACION PUEDA POSEER, SIN RENUNCIAR A LA SENCILLEZ DE USO DE UN SISTEMA HOMOGENEO. EL PROYECTO ESTUDIARA CON DETALLE COMO LAS ARQUITECTURAS ACTUALES SE COMPORTAN EN ESTE CONTEXTO. SOBRE LA BASE DE ESTOS DATOS SE PROPONDRAN TECNICAS A NIVEL DE ARQUITECTURA DE COMPUTADORES QUE PERMITAN MEJORAR LA EFICIENCIA Y RENDIMIENTO DEL SISTEMA SIN AFECTAR A LA PRODUCTIVIDAD DEL PROGRAMADOR. EN PARTICULAR EL PROYECTO SE CENTRARA EN LA PROPUESTA DE MICRO-ARQUITECTURAS DINAMICAMENTE ADAPTABLES CON UNA JERARQUIA DE MEMORIA ORIENTADA HACIA EL USO TRANSPARENTE DE UN ESQUEMA DE COMPUTACION HETEROGENEO (CPU,GPU Y ACELERADORES). ADEMAS, SE EXPLORARAN LOS BENEFICIOS DE USAR HARDWARE ESPECIALIZADO EN ML, CON ESPECIAL ENFASIS EN LOS ALGORITMOS DE APRENDIZAJE NO SUPERVISADO. RQUITECTURA DE COMPUTADORES\MACHINE LEARNING\BIG-DATA