Intel® HPC Developer Conference 2017

Linguagens de alta produtividade

Stalk the Interactive Terabyte with R

Persiga o terabyte Interativo com R

O projeto Programando com Big Data em R (Programming with Big Data in R - pbdR) permite o uso nativo e de baixa sobrecarga de bibliotecas escalonáveis de computação de alto desempenho (HPC) na análise de dados de linguagem R em grandes sistemas. Isso inclui álgebra linear densa distribuída, distribuição de dados e funções de redistribuição para disputas de dados, e uso de alto nível de coletivos de interface de passagem de mensagem (MPI).

George Ostrouchov, Drew Schmidt, e Michael Matheson, do Oak Ridge National Laboratory

Apresentação (PDF)


High-Performance Computing with Python* and Anaconda*

Computação de alto desempenho com Python* e Anaconda*

A comunidade Python vem trabalhando há muitos anos para garantir que os engenheiros que usam Python possam aproveitar ao máximo seu hardware concorrente, tanto em uma única placa-mãe como em máquinas em cluster e na nuvem. Esta palestra destaca as tecnologias Anaconda* que ajudam a tornar isso possível na prática hoje, incluindo Conda*, Numba* e dask, e mostram como elas se relacionam com outras soluções. Ele também descreve a motivação para um novo esforço de pesquisa chamado Plures para permitir uma melhor interoperabilidade entre linguagens.

Travis Oliphant, Anaconda

Apresentação (PDF)


Harness the Power of High-Performance Computing for R

Aproveite o poder da computação de alto desempenho para R

Discutimos as modernas plataformas de computação e o ambiente de programação disponível para aplicativos em R e introduzimos técnicas e habilidades necessárias para resolver problemas complexos e de grande escala com R.

Zhiyong Zhang, Universidade de Stanford 

Apresentação (PDF)


Accelerate Scientific Python with Optimizations from Intel

Acelere o Python científico com otimizações da Intel.
 (26 min.)

Obtenha uma visão geral da Intel® Distribution for Python*, que contém otimizações para pacotes computacionais principais, como NumPy, SciPy, scikit-learn e Numba. Essa otimização permite que certos fluxos de trabalho comuns do Python sejam executados no desempenho do código próximo a nativo, em uma variedade de processadores Intel®.

Oleksandr Pavlyk, Intel

Apresentação (PDF)



Manage Data Science at Scale

Gerencia a ciência de dados na Scale
 (24 min.)

A análise preditiva e a inteligência artificial tornaram-se capacidades competitivas críticas. No entanto, as equipes de IT se esforçam para fornecer o apoio que as equipes de ciência de dados precisam para ter sucesso. Saiba como os principais bancos, seguradoras, empresas farmacêuticas e outros gerenciam a ciência de dados em escala.

Albert Chow, Domino Data Labs

Apresentação (PDF)


Mixed-Language Debugging

Depuração de linguagem mista (Python, C, e C++ com TotalView*)

Depurar Python com C e C++ pode ser difícil. Esta palestra explica como o TotalView* facilita o processo com um depurador de idioma misto e oferece uma visão de ambos os idiomas na mesma plataforma.

Jasmit Singh, Rogue Wave Software

Apresentação (PDF)


Python Applications in the NERSC Exascale

Aplicações Python no Programa de Aplicações Científicas NERSC Exascale para Dados

Esta palestra discute os desafios enfrentados e as primeiras lições aprendidas na implementação de códigos científicos de uso intensivo de dados reais usando Python para processadores Intel® Xeon Phi ™.

Rollin Thomas, Centro Nacional de Computação Científica de Pesquisa Energética  (National Energy Research Scientific Computing Center - NERSC)

Apresentação (PDF)


HyperLoom: A Platform for Defining and Executing Scientific Pipelines in Distributed Environments

HyperLoom: Uma plataforma para definir e executar pipelines científicos em ambientes distribuídos

Aplicações do mundo real geralmente englobam pipelines de processamento de dados de ponta a ponta compostas de muitas de tarefas computacionais interconectadas de várias granularidades. Apresentando HyperLoom: uma plataforma para definir e executar esses pipelines em ambientes distribuídos usando uma API do Python.

Vojtech Cima, do Centro de Supercomputação Nacional IT4Innovations

Apresentação (PDF)