Εισαγωγή στον Παράλληλο Υπολογισμό - 2η Έκδοση

Συγγραφέας:Μάμαλης, Βασίλειος

Εκδότης:Εκδόσεις Νέων Τεχνολογιών

ISBN:978-960-578-106-4

Ημερομηνία έκδοσης:2023/10

Σελίδες:650

Είδος:Βιβλίο

Διαστάσεις:24χ17

Γλώσσα:Ελληνική, Νέα

Παράδοση 1 έως 3 ημέρες

33.75€ από 45.00€

Περιγραφή:

Σκοπός του βιβλίου “Εισαγωγή στον Παράλληλο Υπολογισμο – 2η Έκδοση” είναι η εύρεση γρήγορων λύσεων σε μεγαλύτερα και περισσότερο σύνθετα προβλήματα, όπως προβλήματα επιστημονικού υπολογισμού, συνδυαστικά προβλήματα και προβλήματα βελτιστοποίησης, προβλήματα γραφικών και επεξεργασίας εικόνας κ.λπ. Η επεξεργασία συνόλων δεδομένων μεγάλου όγκου, η οποία βρίσκεται ολοένα και περισσότερο στο προσκήνιο στις μέρες μας λόγω της ραγδαίας εξέλιξης του διαδικτύου και της υπολογιστικής στο νέφος, είναι επίσης ιδιαίτερα απαιτητική σε ό,τι αφορά τους υπολογιστικούς πόρους και συχνά απαιτεί τη χρήση Παράλληλου Υπολογισμού. Ο Παράλληλος Υπολογισμός έχει αξιοποιηθεί πλέον σε διάφορα πεδία εφαρμογής για την επεξεργασία μεγάλων όγκων δεδομένων και τη διεκπεραίωση απαιτητικών υπολογιστικά εργασιών, με αποτέλεσμα πρωτοφανείς προόδους σε τομείς όπως η βιολογία, η φαρμακολογία, η κβαντοχημεία, η αστροφυσική, η γενετική μηχανική, η τεχνητή νοημοσύνη κ.λπ.

Σκοπός του βιβλίου αυτού είναι να αποτελέσει μια ενδελεχή εισαγωγή στον Παράλληλο Υπολογισμό. Η 2η έκδοση του βιβλίου καλύπτει τα ακόλουθα αντικείμενα:

Βασικά στοιχεία αρχιτεκτονικής παράλληλων μηχανών (παράλληλες μηχανές κοινής και κατανεμημένης μνήμης, τοπολογίες δικτύων διασύνδεσης, υβριδικές αρχιτεκτονικές).

Βασικά πρότυπα παράλληλου υπολογισμού (PRAM, πρότυπο δικτύου, BSP), παραδείγματα αλγορίθμων στα διάφορα πρότυπα, και προσομοιώσεις μεταξύ των προτύπων.

Παράλληλοι αλγόριθμοι κοινής και κατανεμημένης μνήμης (τεχνικές σχεδιασμού, αναλυτική περιγραφή και παραδείγματα για ένα μεγάλο φάσμα παράλληλων αλγορίθμων – γράφων, ταξινόμησης, πολλαπλασιασμού πινάκων, επίλυσης γραμμικών συστημάτων κ.λπ.).

Απαιτήσεις παράλληλης επεξεργασίας μεγάλων δεδομένων (big data), ενδεικτικοί αλγόριθμοι στο μοντέλο του MapReduce, και ολοκληρωμένα παραδείγματα σε Hadoop και Spark.

Προγραμματισμός παράλληλων μηχανών κοινής και κατανεμημένης μνήμης με χρήση του OpenMP API και της βιβλιοθήκης του MPI.

Προγραμματισμός καρτών γραφικών με χρήση του προγραμματιστικού μοντέλου της CUDA και του προτύπου της OpenCL.