https://www.wikicshse.ru/index.php?action=history&feed=atom&title=%D0%9C%D0%BD%D0%BE%D0%B3%D0%BE%D0%BF%D0%BE%D1%82%D0%BE%D1%87%D0%BD%D0%B0%D1%8F_%D1%80%D0%B5%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F_%D0%BD%D0%B5%D0%BF%D0%B0%D1%80%D0%B0%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B0%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC%D0%B0_%D0%BA%D0%BB%D0%B0%D1%81%D1%82%D0%B5%D1%80%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8_Affinity_Propagation_%28%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82%29 2026-06-06T19:09:15Z История изменений этой страницы в вики MediaWiki 1.45.3 https://www.wikicshse.ru/index.php?title=%D0%9C%D0%BD%D0%BE%D0%B3%D0%BE%D0%BF%D0%BE%D1%82%D0%BE%D1%87%D0%BD%D0%B0%D1%8F_%D1%80%D0%B5%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F_%D0%BD%D0%B5%D0%BF%D0%B0%D1%80%D0%B0%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B0%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC%D0%B0_%D0%BA%D0%BB%D0%B0%D1%81%D1%82%D0%B5%D1%80%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8_Affinity_Propagation_(%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82)&diff=1215&oldid=prev 2014-12-18T14:52:23Z

<p>Migrated current public revision from wiki.cs.hse.ru</p> <p><b>Новая страница</b></p><div><br /> <br /> === Что это за проект? ===<br /> Есть такой замечательный алгоритм [http://www.psi.toronto.edu/index.php?q=affinity%20propagation Affiniti Propagation ], однако существующие реализации на R и Python страдают недостатком производительности и, особенно, неэффективной работой с памятью, что особенно чувствуется при работе с big data. Поэтому мы реализовали прототип многопоточной версии с использованием Python, Cython и mpi4py, но хочется большей скорости и гибкости, особенно при работе суперкомпьютерах (в данный момент мы используем ресурсы суперкомпьютеров МГУ &quot;Ломоносов&quot; и &quot;Чебышев&quot;).<br /> <br /> === Чему вы научитесь? ===<br /> * Познакомитесь с различными методами кластерного анализа<br /> * Получите опыт разработки многопоточных приложений для суперкомпьютеров<br /> <br /> === Какие начальные требования? ===<br /> * Желание писать быстрый код<br /> * Базовые знания ОС GNU/Linux.<br /> * Знание Python, C/C++<br /> * Желательно, знакомство с технологиями параллельного программирования<br /> <br /> === Какие будут использоваться технологии? ===<br /> * mercurial/git<br /> * Shell, Python, C/C++<br /> * MPI<br /> * HDF5<br /> <br /> === Темы вводных занятий ===<br /> * Алгоритмы кластеризации<br /> <br /> === Направления развития ===<br /> * Задокументировать и опубликовать весь код под одной из лицензий для СПО.<br /> * Использовать гибридный параллелизм MPI/OpenMP/CUDA.<br /> * Релизовать версию Affinity Propagation для разреженных матриц.<br /> <br /> === Критерии оценки ===<br /> 4-5 Переписать существующий прототип на C/C++, провести сравнение производительности с однопоточными реализациями и с прототипом на Python. &lt;br/&gt;<br /> 6-7 Задокументировать код и опубликовать под одной из лицензий для СПО. Реализовать возможность гибкого выбора типов данных для хранения в HDF5. &lt;br/&gt;<br /> 8-10 Реализовать гибридный параллелизм MPI/OpenMP/CUDA, версию для разреженных матриц</div>

imported>Aozalevsky