Eksploracja, analiza i bazy danych

Najważniejsi niezależni producenci oprogramowania (ISV) i aplikacje z dziedziny analizy danych wykorzystujące CUDA

* Oczekiwany wzrost szybkości w porównaniu do systemu opartego na czterordzeniowym procesorze x64. Wzrosty szybkości według testów przeprowadzonych samodzielnie przez firmę NVIDIA lub na podstawie dokumentacji od dostawcy aplikacji.

Pozostałe oprogramowanie do analizy danych wykorzystujące CUDA

• GPUMiner: równoległa eksploracja danych na układach GPU NVIDIA Fang i inni, Uniwersytet Nauki i Technologii w Hongkongu oraz Microsoft
• Publikacja opisująca system GPUMiner
• Cmatch: szybkie dopasowywanie wzorca na GPU, Schatz, Trapnel, Uniwersytet Stanu Maryland
• Publikacja opisująca program Cmatch
• Pakiet R+GPU dla R, popularnej platformy typu open source umożliwiającej realizację zadań z zakresu analizy statystycznej

• Bazy danych
• Artykuł w magazynie IEEE Spectrum: „Dlaczego procesory graficzne dokonają transformacji przetwarzania baz danych”, Blas i Kladeway, Oracle Corporation
• GPUQP: współprzetwarzanie zapytań przy użyciu układów GPU
• Wyszukiwanie równoległe na kartach wideo, Kaldeway, Hagen, Blas, Sedlar, Oracle Corp
• Definiowane przez użytkownika funkcje agregujące w Oracle
• Typy danych tekstowych o dużej objętości w Microsoft SQL
• Skalowanie PostgreSQL przy użyciu CUDA
• Akceleracja sprzętowa w komercyjnych bazach danych: studium przypadku operacji przestrzennych , Bandi i inni
• Analityka i eksploracja
• Analityka wielkoskalowa z wykorzystaniem akceleracji GPU, Wu, Zhang, Hsu, Laboratoria firmy HP
• K-średnie (k-means) na popularnych układach GPU z CUDA
• Wykorzystanie technologii procesorów kart graficznych do akceleracji eksploracji danych w SAP NetWeaver BIA, Weyerhaeuser (SAP), Mindnich (SAP), Farber (SAP), Lehner (Uniwersytet Techniczny w Dreźnie)
• Problem transformacji algorytmu pod kątem eksploracji danych na GPU z uwzględnieniem aspektów temporalnych, Sean Ponce, Virginia Tech
• Wydajna klasteryzacja oparta na algorytmie k-means i wykorzystująca akcelerację procesorów graficznych
• Eksploracja dokumentów tekstowych z wykorzystaniem akceleracji GPU
• Obliczanie histogramu w CUDA
• Kompilator oraz system uruchomieniowy umożliwiający tworzenie aplikacji z dziedziny eksploracji danych wykorzystujących układy GPU
• Sortowanie przy użyciu układów GPU
• Projektowanie wydajnych algorytmów sortujących dla wielordzeniowych układów GPU typu manycore
• Biblioteka GPU QuickSort
• Szybkie, równoległe sortowanie na GPU przy użyciu algorytmu hybrydowego
• Szybki i elastyczny algorytm sortujący wykorzystujący CUDA
• Sortowanie z użyciem sieci bitonicznych w CUDA
• Sortowanie próbkowe na GPU
• GPUTeraSort: wysokowydajne sortowanie na koprocesorach graficznych dla celów zarządzania dużymi bazami danych
• MapReduce/ Hadoop
• Mars: framework dla programowania rozproszonego na układach GPU z zastosowaniem MapReduce
• Framework dla programowania układów GPU z zastosowaniem modelu MapReduce
• DisMaRC (Distributed Map Reduce Framework on CUDA): framework dla programowania rozproszonego w architekturze CUDA z zastosowaniem modelu MapReduce
• MITHRA: skalowanie CUDA do poziomu klastrów przy użyciu MapReduce
• Kolejna publikacja na temat architektury MITHRA

• Inne rozwiązania wertykalne wykorzystujące produkty Tesla
• Narzędzia programistyczne i biblioteki CUDA

MATLAB jest zastrzeżonym znakiem towarowym The MathWorks, Inc.

Jacket jest znakiem towarowym AccelerEyes