Cómputo paralelo y distribuido: métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial
Los grandes avances tecnológicos de los sistemas de cómputo paralelo y distribuido hacen viable nuevas soluciones a problemas. Por un lado, nos enfocamos en la métrica del consumo energético, un tema de enorme relevancia actual dado el gran número de unidades de procesamiento que componen los sistem...
Guardado en:
Autores principales: | , , , , , , , , , , , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2021
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/120363 |
Aporte de: |
id |
I19-R120-10915-120363 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas computación de altas prestaciones eficiencia energética big data Salud Inteligencia artificial |
spellingShingle |
Ciencias Informáticas computación de altas prestaciones eficiencia energética big data Salud Inteligencia artificial Balladini, Javier Morán, Marina Zanellato, Claudio Rozas, Claudia Cañibano, Rodrigo Semenzato, Darío Chiarotto, Agustín Orlandi, Cristina De Giusti, Armando Eduardo Suppi, Remo Rexachs del Rosario, Dolores Luque Fadón, Emilio Cómputo paralelo y distribuido: métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial |
topic_facet |
Ciencias Informáticas computación de altas prestaciones eficiencia energética big data Salud Inteligencia artificial |
description |
Los grandes avances tecnológicos de los sistemas de cómputo paralelo y distribuido hacen viable nuevas soluciones a problemas. Por un lado, nos enfocamos en la métrica del consumo energético, un tema de enorme relevancia actual dado el gran número de unidades de procesamiento que componen los sistemas. Por otro lado, buscamos aplicar las técnicas de cómputo paralelo y distribuido para solucionar problemas del sector salud. En particular, nos orientamos a soluciones de alertas tempranas de gravedad para Unidades de Cuidados Intensivos, afectadas por un gran volumen de datos y la necesidad de aplicar técnicas de inteligencia artificial. También nos enfocamos en una aplicación para atender y clasificar pacientes con COVID-19 según el riesgo de salud. Los trabajos se desarrollan en colaboración con otras universidades, dos hospitales públicos de Argentina y un centro de investigación. La formación de recursos humanos en estas líneas está orientada al nivel de tecnicatura, grado, maestría y doctoral. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Balladini, Javier Morán, Marina Zanellato, Claudio Rozas, Claudia Cañibano, Rodrigo Semenzato, Darío Chiarotto, Agustín Orlandi, Cristina De Giusti, Armando Eduardo Suppi, Remo Rexachs del Rosario, Dolores Luque Fadón, Emilio |
author_facet |
Balladini, Javier Morán, Marina Zanellato, Claudio Rozas, Claudia Cañibano, Rodrigo Semenzato, Darío Chiarotto, Agustín Orlandi, Cristina De Giusti, Armando Eduardo Suppi, Remo Rexachs del Rosario, Dolores Luque Fadón, Emilio |
author_sort |
Balladini, Javier |
title |
Cómputo paralelo y distribuido: métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial |
title_short |
Cómputo paralelo y distribuido: métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial |
title_full |
Cómputo paralelo y distribuido: métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial |
title_fullStr |
Cómputo paralelo y distribuido: métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial |
title_full_unstemmed |
Cómputo paralelo y distribuido: métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial |
title_sort |
cómputo paralelo y distribuido: métricas de rendimiento, aplicaciones de datos masivos e inteligencia artificial |
publishDate |
2021 |
url |
http://sedici.unlp.edu.ar/handle/10915/120363 |
work_keys_str_mv |
AT balladinijavier computoparaleloydistribuidometricasderendimientoaplicacionesdedatosmasivoseinteligenciaartificial AT moranmarina computoparaleloydistribuidometricasderendimientoaplicacionesdedatosmasivoseinteligenciaartificial AT zanellatoclaudio computoparaleloydistribuidometricasderendimientoaplicacionesdedatosmasivoseinteligenciaartificial AT rozasclaudia computoparaleloydistribuidometricasderendimientoaplicacionesdedatosmasivoseinteligenciaartificial AT canibanorodrigo computoparaleloydistribuidometricasderendimientoaplicacionesdedatosmasivoseinteligenciaartificial AT semenzatodario computoparaleloydistribuidometricasderendimientoaplicacionesdedatosmasivoseinteligenciaartificial AT chiarottoagustin computoparaleloydistribuidometricasderendimientoaplicacionesdedatosmasivoseinteligenciaartificial AT orlandicristina computoparaleloydistribuidometricasderendimientoaplicacionesdedatosmasivoseinteligenciaartificial AT degiustiarmandoeduardo computoparaleloydistribuidometricasderendimientoaplicacionesdedatosmasivoseinteligenciaartificial AT suppiremo computoparaleloydistribuidometricasderendimientoaplicacionesdedatosmasivoseinteligenciaartificial AT rexachsdelrosariodolores computoparaleloydistribuidometricasderendimientoaplicacionesdedatosmasivoseinteligenciaartificial AT luquefadonemilio computoparaleloydistribuidometricasderendimientoaplicacionesdedatosmasivoseinteligenciaartificial |
bdutipo_str |
Repositorios |
_version_ |
1764820449769816067 |