|
|
Computational tasks for Parallel data processing course
Horečný, Peter ; Rajnoha, Martin (oponent) ; Mašek, Jan (vedoucí práce)
The goal of this thesis was to create laboratory excercises for subject „Parallel data processing“, which will introduce options and capabilities of Apache Spark technology to the students. The excercises focus on work with basic operations and data preprocessing, work with concepts and algorithms of machine learning. By following the instructions, the students will solve real world situations problems by using algorithms for linear regression, classification, clustering and frequent patterns. This will show them the real usage and advantages of Spark. As an input data, there will be databases of czech and slovak companies with a lot of information provided, which need to be prepared, filtered and sorted for next processing in the first excercise. The students will also get known with functional programming, because the are not whole programs in excercises, but just the pieces of instructions, which are not repeated in the following excercises. They will get a comprehensive overview about possibilities of Spark by getting over all the excercices.
|
|
|
Využitelnost knihovny CUDA v praktickém zpracování obrazů
Korčuška, Robert ; Čáp, Martin (oponent) ; Klusáček, Stanislav (vedoucí práce)
Táto práca obsahuje základný teoretický rozbor spracovávania obrazu filtrovaním, teóriu paralelného spracovania dát a podrobnejší popis štandardu CUDA. Práca popisuje využitie CUDA v oblasti paralelného spracovania obrazu. V demonštračnej aplikácii porovnáva rýchlosť spracovania obrazu vo funkci bežiacej na CPU oproti funkci na GPU a podrobnejšie popisuje základné metódy pre paralelné programovanie na platforme CUDA.
|
|
| |
|
|
Škálovatelné předzpracování dat prostřednictvím nástroje Hadoop
Marinič, Michal ; Šmirg, Ondřej (oponent) ; Burget, Radim (vedoucí práce)
Tato práce se zabývá škálovatelným předzpracováním dat prostřednictvím nástroje Hadoop, který slouží pro paralelní zpracování velkého objemu dat. V první teoretické části se práce zaměřuje na vysvětlení fungování struktury základních funkčních prvků distribuovaného souborového systému HDFS a metody MapReduce pro paralelní zpracování. Praktická část práce popisuje realizaci Hadoop clusteru v pseudo-režimu pro jednoduché ladění aplikací a také realizaci v plně distribuovaném režimu pro simulaci nasazení v reálné praxi.
|
|
|
Aplikace pro řízení paralelního zpracování dat
Grepl, Filip ; Smrž, Pavel (oponent) ; Dytrych, Jaroslav (vedoucí práce)
Tato práce se zabývá návrhem a realizací systému pro paralelní spouštění úloh ve Výzkumné skupině znalostních technologií. Cílem je vytvořit webovou aplikaci, která umožní řídit jejich zpracování a monitorovat běhy těchto úloh včetně využití systémových prostředků. V práci je nejprve analyzován současný způsob paralelního zpracování dat a nedostatky tohoto řešení. Poté jsou v práci popsány existující nástroje včetně problémů, které jejich testovací nasazení odhalilo. Na základě těchto poznatků jsou definovány požadavky na novou aplikaci a vytvořen návrh celého systému. Následně jsou popsány vybrané části implementace a způsob testování celého systému, které zahrnuje i porovnání efektivity s původním systémem.
|
|
|
Aplikace pro řízení paralelního zpracování dat
Grepl, Filip ; Smrž, Pavel (oponent) ; Dytrych, Jaroslav (vedoucí práce)
Tato práce se zabývá návrhem a realizací systému pro paralelní spouštění úloh ve Výzkumné skupině znalostních technologií. Cílem je vytvořit webovou aplikaci, která umožní řídit jejich zpracování a monitorovat běhy těchto úloh včetně využití systémových prostředků. V práci je nejprve analyzován současný způsob paralelního zpracování dat a nedostatky tohoto řešení. Poté jsou v práci popsány existující nástroje včetně problémů, které jejich testovací nasazení odhalilo. Na základě těchto poznatků jsou definovány požadavky na novou aplikaci a vytvořen návrh celého systému. Následně jsou popsány vybrané části implementace a způsob testování celého systému, které zahrnuje i porovnání efektivity s původním systémem.
|
|
|
Computational tasks for Parallel data processing course
Horečný, Peter ; Rajnoha, Martin (oponent) ; Mašek, Jan (vedoucí práce)
The goal of this thesis was to create laboratory excercises for subject „Parallel data processing“, which will introduce options and capabilities of Apache Spark technology to the students. The excercises focus on work with basic operations and data preprocessing, work with concepts and algorithms of machine learning. By following the instructions, the students will solve real world situations problems by using algorithms for linear regression, classification, clustering and frequent patterns. This will show them the real usage and advantages of Spark. As an input data, there will be databases of czech and slovak companies with a lot of information provided, which need to be prepared, filtered and sorted for next processing in the first excercise. The students will also get known with functional programming, because the are not whole programs in excercises, but just the pieces of instructions, which are not repeated in the following excercises. They will get a comprehensive overview about possibilities of Spark by getting over all the excercices.
|
|
|
Vyhodnocování relačních dotazů v proudově orientovaném prostředí
Kikta, Marcel ; Bednárek, David (vedoucí práce) ; Černý, Tomáš (oponent)
Tato práce se zabývá návrhem a implementací překladače pro optimalizaci a transformaci dotazů relačních databází. Práce nejprve rozebere teorii překladačů databazových dotazů. Dále představujeme algoritmy a datové struktury použité při implementaci nástroje pro překlad dotazů. V závěrečné části práce diskutujeme důležité implementační detaily tohoto nástroje. Specifikujeme podmnožinu relační algebry, kterou použijeme jako vstup pro nástroj. Vstupem je dotaz napsaný v XML souboru ve formě relační algebry. Překladač dotaz optimalizuje a transformuje do fyzického plánu, který je vykonán pomocí paralelního prostředí Bobox. Výstupem překladače jsou fyzické plány v jazyce Bobolang, které následně slouží jako vstup pro Bobox. Powered by TCPDF (www.tcpdf.org)
|
|
|
Využitelnost knihovny CUDA v praktickém zpracování obrazů
Korčuška, Robert ; Čáp, Martin (oponent) ; Klusáček, Stanislav (vedoucí práce)
Táto práca obsahuje základný teoretický rozbor spracovávania obrazu filtrovaním, teóriu paralelného spracovania dát a podrobnejší popis štandardu CUDA. Práca popisuje využitie CUDA v oblasti paralelného spracovania obrazu. V demonštračnej aplikácii porovnáva rýchlosť spracovania obrazu vo funkci bežiacej na CPU oproti funkci na GPU a podrobnejšie popisuje základné metódy pre paralelné programovanie na platforme CUDA.
|
|
|
Škálovatelné předzpracování dat prostřednictvím nástroje Hadoop
Marinič, Michal ; Šmirg, Ondřej (oponent) ; Burget, Radim (vedoucí práce)
Tato práce se zabývá škálovatelným předzpracováním dat prostřednictvím nástroje Hadoop, který slouží pro paralelní zpracování velkého objemu dat. V první teoretické části se práce zaměřuje na vysvětlení fungování struktury základních funkčních prvků distribuovaného souborového systému HDFS a metody MapReduce pro paralelní zpracování. Praktická část práce popisuje realizaci Hadoop clusteru v pseudo-režimu pro jednoduché ladění aplikací a také realizaci v plně distribuovaném režimu pro simulaci nasazení v reálné praxi.
|
host ::
RSS.