Séance de cours

Systèmes intelligents en temps réel : prendre des décisions judicieuses

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Description

Cette séance de cours explore les défis que pose la prise de décisions éclairées dans les applications et les systèmes à forte intensité de données, en mettant l'accent sur l'intelligence en temps réel. Parmi les sujets abordés, mentionnons les défis de gestion des données, l'assainissement des données axé sur les requêtes, l'évolution des index et l'optimisation du partage de l'échelle. L'instructeur discute de Proteus, un système pour construire des bases de données juste à temps, et aborde les considérations matérielles pour l'optimisation des performances. La séance de cours porte également sur l'exploitation du parallélisme au niveau de l'accélérateur, le découplage des données du flux de contrôle et l'accès aux nouvelles données sur les GPU. De plus, il se penche sur le spectre de conception du HTAP, l'impact de l'hétérogénéité matérielle sur les systèmes intelligents et l'importance d'intégrer le changement dans la conception du système.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Source officielle

Concepts associés (17)

Accélération matérielle

L'accélération matérielle consiste à confier une fonction spécifique effectuée par le processeur à un circuit intégré dédié qui effectuera cette fonction de façon plus efficace. Pendant longtemps, les calculs effectués par les ordinateurs grand public étaient entièrement pris en charge par le processeur central (CPU). Or, ce processeur s'avérait insuffisant dans un certain nombre de domaines. On eut l'idée de créer des circuits plus efficaces que le processeur pour ces tâches afin de le décharger.

Processeur graphique

Un processeur graphique, ou GPU (de l'anglais Graphics Processing Unit), également appelé coprocesseur graphique sur certains systèmes, est une unité de calcul assurant les fonctions de calcul d'image. Il peut être présent sous forme de circuit intégré (ou puce) indépendant, soit sur une carte graphique ou sur la carte mère, ou encore intégré au même circuit intégré que le microprocesseur général (on parle d'un SoC lorsqu'il comporte toutes les puces spécialisées).

General-purpose processing on graphics processing units

GPGPU est l'abréviation de general-purpose computing on graphics processing units, c'est-à-dire calcul générique sur processeur graphique. L'objectif de tels calculs est de bénéficier de la capacité de traitement parallèle des processeurs graphiques. Avant l'arrivée des GPGPU, le CPU, processeur central de l'ordinateur, traitait la plupart des opérations lourdes en calcul comme les simulations physiques, le rendu hors-ligne pour les films, les calculs de risques pour les institutions financières, la prévision météorologique, l'encodage de fichier vidéo et son Intel avec ses 80 % de parts de marché sur les CPU dominait donc très largement tous les besoins en calcul et pouvait en extraire de substantielles marges.

Parallélisme (informatique)

vignette|upright=1|Un des éléments de Blue Gene L cabinet, un des supercalculateurs massivement parallèles les plus rapides des années 2000. En informatique, le parallélisme consiste à mettre en œuvre des architectures d'électronique numérique permettant de traiter des informations de manière simultanée, ainsi que les algorithmes spécialisés pour celles-ci. Ces techniques ont pour but de réaliser le plus grand nombre d'opérations en un temps le plus petit possible.

Uniform memory access

Uniform memory access (UMA) is a shared memory architecture used in parallel computers. All the processors in the UMA model share the physical memory uniformly. In an UMA architecture, access time to a memory location is independent of which processor makes the request or which memory chip contains the transferred data. Uniform memory access computer architectures are often contrasted with non-uniform memory access (NUMA) architectures. In the NUMA architecture, each processor may use a private cache.

Afficher plus

Séances de cours associées (39)

GPU : Architecture et programmation

Explore l'architecture des GPU, la programmation CUDA, le traitement d'image et leur importance dans l'informatique moderne, en mettant l'accent sur le démarrage précoce et l'exactitude de la programmation GPU.

GPU : Architecture et programmation

Explore l'architecture GPU, le multithreading, les processeurs SIMD et la programmation CUDA pour l'informatique parallèle.

Analyse des données intrajournalières

Couvre l'analyse de données intrajournalières, les études systématiques, le débogage, le calcul multicœur, la programmation GPU et le calcul de corrélation avec les GPU.

Présentation du GPU : Performances et Programmation

Explore la motivation et les avantages de l'utilisation des GPU pour le calcul, en se concentrant sur leurs performances et leur programmation via CUDA.

GPUs: Introduction à la CUDA

Présente les bases des GPU, de la programmation CUDA et de la synchronisation des threads pour les applications de calcul parallèles.

Afficher plus

Concepts associés (17)

Accélération matérielle

Processeur graphique

General-purpose processing on graphics processing units

Parallélisme (informatique)

Uniform memory access

Afficher plus