Paralelismo híbrido aplicado a soluciones de problemas de datos masivos

Con el uso masivo de Internet, se está en presencia de un fenómeno donde la aceleración tanto del crecimiento del volumen de datos capturados y almacenados, como la creciente variación en los tipos de datos, hace que las técnicas tradicionales para el procesamiento, análisis y obtención de informaci...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Murazzo, María Antonia, Piccoli, María Fabiana, Rodríguez, Nelson R., Medel, Diego, Mercado, Jorge, Sánchez, Federico, Molina, Ana Laura, Tello, Martín
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2017
Materias:
Ciencias Informáticas
Distributed Systems
datos masivos
arquitecturas multiprocesadores
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/62570
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-62570
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
Distributed Systems
datos masivos
arquitecturas multiprocesadores
spellingShingle Ciencias Informáticas
Distributed Systems
datos masivos
arquitecturas multiprocesadores
Murazzo, María Antonia
Piccoli, María Fabiana
Rodríguez, Nelson R.
Medel, Diego
Mercado, Jorge
Sánchez, Federico
Molina, Ana Laura
Tello, Martín
Paralelismo híbrido aplicado a soluciones de problemas de datos masivos
topic_facet Ciencias Informáticas
Distributed Systems
datos masivos
arquitecturas multiprocesadores
description Con el uso masivo de Internet, se está en presencia de un fenómeno donde la aceleración tanto del crecimiento del volumen de datos capturados y almacenados, como la creciente variación en los tipos de datos, hace que las técnicas tradicionales para el procesamiento, análisis y obtención de información útil deban ser redefinidas para formular nuevas metodologías. Este trabajo aborda las líneas de investigación relacionadas con el objetivo de definir técnicas o metodologías computacionales para mejorar tanto los tiempos de respuesta y la escalabilidad de los sistemas desarrollados, como así también solucionar los inconvenientes presentes en las soluciones existentes. Esto posibilita la transferencia de los logros y experiencias adquiridos, permitiendo, además, verificar la aplicabilidad de los métodos o técnicas desarrollados en problemas reales con uso de datos masivos.
format Objeto de conferencia
Objeto de conferencia
author Murazzo, María Antonia
Piccoli, María Fabiana
Rodríguez, Nelson R.
Medel, Diego
Mercado, Jorge
Sánchez, Federico
Molina, Ana Laura
Tello, Martín
author_facet Murazzo, María Antonia
Piccoli, María Fabiana
Rodríguez, Nelson R.
Medel, Diego
Mercado, Jorge
Sánchez, Federico
Molina, Ana Laura
Tello, Martín
author_sort Murazzo, María Antonia
title Paralelismo híbrido aplicado a soluciones de problemas de datos masivos
title_short Paralelismo híbrido aplicado a soluciones de problemas de datos masivos
title_full Paralelismo híbrido aplicado a soluciones de problemas de datos masivos
title_fullStr Paralelismo híbrido aplicado a soluciones de problemas de datos masivos
title_full_unstemmed Paralelismo híbrido aplicado a soluciones de problemas de datos masivos
title_sort paralelismo híbrido aplicado a soluciones de problemas de datos masivos
publishDate 2017
url http://sedici.unlp.edu.ar/handle/10915/62570
work_keys_str_mv AT murazzomariaantonia paralelismohibridoaplicadoasolucionesdeproblemasdedatosmasivos
AT piccolimariafabiana paralelismohibridoaplicadoasolucionesdeproblemasdedatosmasivos
AT rodrigueznelsonr paralelismohibridoaplicadoasolucionesdeproblemasdedatosmasivos
AT medeldiego paralelismohibridoaplicadoasolucionesdeproblemasdedatosmasivos
AT mercadojorge paralelismohibridoaplicadoasolucionesdeproblemasdedatosmasivos
AT sanchezfederico paralelismohibridoaplicadoasolucionesdeproblemasdedatosmasivos
AT molinaanalaura paralelismohibridoaplicadoasolucionesdeproblemasdedatosmasivos
AT tellomartin paralelismohibridoaplicadoasolucionesdeproblemasdedatosmasivos
bdutipo_str Repositorios
_version_ 1764820480020185090

Ejemplares similares