MARC details
| 000 -CABECERA |
|---|
| campo de control de longitud fija |
04975nam a22003615i 4500 |
| 001 - NÚMERO DE CONTROL |
|---|
| campo de control |
361571 |
| 003 - IDENTIFICADOR DEL NÚMERO DE CONTROL |
|---|
| campo de control |
ES-MaUEC |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN |
|---|
| campo de control |
20230102121410.0 |
| 007 - CAMPO FIJO DE DESCRIPCIÓN FÍSICA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
cr nn nnnaamaa |
| 008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
210929s2021 sz | s |||| 0|eng d |
| 020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO |
|---|
| Número Internacional Estándar del Libro |
9783030707507 |
| 024 7# - IDENTIFICADOR DE OTROS ESTÁNDARES |
|---|
| Número estándar o código |
10.1007/978-3-030-70750-7 |
| Fuente del número o código |
doi |
| 040 ## - FUENTE DE LA CATALOGACIÓN |
|---|
| Centro catalogador/agencia de origen |
ES-MaUEC |
| Lengua de catalogación |
spa |
| Centro/agencia transcriptor |
ES-MaUEC |
| 050 #4 - SIGNATURA TOPOGRÁFICA DE LA BIBLIOTECA DEL CONGRESO |
|---|
| Número de clasificación |
QA76.9.D3 |
| Número de documento/Ítem |
2021 EB |
| 100 1# - ENTRADA PRINCIPAL--NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Dong, Bin |
| Término indicativo de función/relación |
autor |
| Código de función/relación |
aut |
| -- |
http://id.loc.gov/vocabulary/relators/aut |
| 245 10 - MENCIÓN DE TÍTULO |
|---|
| Título |
User-Defined Tensor Data Analysis |
| Mención de responsabilidad, etc. |
by Bin Dong, Kesheng Wu, Suren Byna. |
| 250 ## - MENCIÓN DE EDICIÓN |
|---|
| Mención de edición |
First edition 2021 |
| 264 #1 - PRODUCCIÓN, PUBLICACIÓN, DISTRIBUCIÓN, FABRICACIÓN Y COPYRIGHT |
|---|
| Producción, publicación, distribución, fabricación y copyright |
Cham |
| Nombre del de productor, editor, distribuidor, fabricante |
Springer International Publising |
| Fecha de producción, publicación, distribución, fabricación o copyright |
2021 |
| 300 ## - DESCRIPCIÓN FÍSICA |
|---|
| Extensión |
1 recurso en línea (XII, 101 páginas) |
| Otras características físicas |
23 ilustraciones |
| 347 ## - CARACTERÍSTICAS DEL ARCHIVO DIGITAL |
|---|
| Tipo de archivo |
archivo de texto |
| Formato de codificación |
PDF |
| 490 0# - MENCIÓN DE SERIE |
|---|
| Mención de serie |
SpringerBriefs in Computer Science |
| Número Internacional Normalizado para Publicaciones Seriadas |
2191-5776 |
| 490 0# - MENCIÓN DE SERIE |
|---|
| Mención de serie |
Computer Science (SpringerNature-11645) |
| 490 0# - MENCIÓN DE SERIE |
|---|
| Mención de serie |
Computer Science (R0) (SpringerNature-43710) |
| 505 0# - NOTA DE CONTENIDO CON FORMATO |
|---|
| Nota de contenido con formato |
1. Introduction -- 1.1 Lessons from Big Data Systems -- 1.2 Data Model -- 1. 3 Programming Model High-Performance Data Analysis for Science -- 2. FasTensor Programming Model -- 2.1 Introduction to Tensor Data Model -- 2.2 FasTensor Programming Model -- 2.2.1 Stencils -- 2.2.2 Chunks -- 2.2.3 Overlap -- 2.2.4 Operator: Transform -- 2.2.5 FasTensor Execution Engine -- 2.2.6 FasTensor Scientific Computing Use Cases -- 2.3 Summary -- Illustrated FasTensor User Interface -- 3.1 An Example -- 3.2 The Stencil Class -- 3.2.1 Constructors of the Stencil -- 3.2.2 Parenthesis operator () and ReadPoint -- 3.2.3 SetShape and GetShape -- 3.2.4 SetValue and GetValue -- 3.2.5 ReadNeighbors and WriteNeighbors -- 3.2.6 GetOffsetUpper and GetOffsetLower -- 3.2.7 GetChunkID -- 3.2.8 GetGlobalIndex and GetLocalIndex -- 3.2.9 Exercise of the Stencil class -- 3.3 The Array Class -- 3.3.1 Constructors of Array -- 3.3.2 SetChunkSize, SetChunkSizeByMem, SetChunkSizeByDim, and GetChunkSize -- 3.3.3 SetOverlapSize, SetOverlapSizeByDetection, GetOverlapSize, SetOverlapPadding, and SyncOverlap -- 3.3.4 Transform -- 3.3.5 SetStride and GetStride -- 3.3.6 AppendAttribute, InsertAttribute, GetAttribute and EraseAttribute -- 3.3.7 SetEndpoint and GetEndpoint -- 3.3.8 ControlEndpoint -- 3.3.9 -- ReadArray and WriteArray -- 3.3.10 SetTag and GetTag -- 3.3.11 GetArraySize and SetArraySize -- 3.3.12 Backup and Restore -- 3.3.13 CreateVisFile -- 3.3.14 ReportCost -- 3.3.15 EP_DIR Endpoint -- 3.3.16 EP_HDF5 and Other Endpoints -- Other Functions in FasTensor -- 3.4.1 FT_Init -- 3.4.2 FT_Finalize -- 3.4.3 Data types in FasTensor -- 4. FasTensor in Real Scientific Applications -- 4.1 DAS: Distributed Acoustic Sensing -- 4.2 VPIC: Vector Particle-In-Cell -- Appendix -- A.1 Installation Guide of FasTensor -- A.2 How to Develop a New Endpoint Protocol -- Alphabetical Index -- Bibliography -- References. . |
| 520 3# - SUMARIO, ETC. |
|---|
| Sumario, etc. |
Ths SpringerBrief introduces FasTensor, a powerful parallel data programming model developed for big data applications. This book also provides a user's guide for installing and using FasTensor. FasTensor enables users to easily express many data analysis operations, which may come from neural networks, scientific computing, or queries from traditional database management systems (DBMS). FasTensor frees users from all underlying and tedious data management tasks, such as data partitioning, communication, and parallel execution. This SpringerBrief gives a high-level overview of the state-of-the-art in parallel data programming model and a motivation for the design of FasTensor. It illustrates the FasTensor application programming interface (API) with an abundance of examples and two real use cases from cutting edge scientific applications. FasTensor can achieve multiple orders of magnitude speedup over Spark and other peer systems in executing big data analysis operations. FasTensor makes programming for data analysis operations at large scale on supercomputers as productively and efficiently as possible. A complete reference of FasTensor includes its theoretical foundations, C++ implementation, and usage in applications. Scientists in domains such as physical and geosciences, who analyze large amounts of data will want to purchase this SpringerBrief. Data engineers who design and develop data analysis software and data scientists, and who use Spark or TensorFlow to perform data analyses, such as training a deep neural network will also find this SpringerBrief useful as a reference tool. |
| 988 ## - NOTA LOCAL 598 |
|---|
| Nota local 598 (boletines) |
Springer_Computer_2021 |
| 700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Wu, Kesheng |
| Término indicativo de función/relación |
autor |
| Código de función/relación |
aut |
| -- |
http://id.loc.gov/vocabulary/relators/aut |
| 700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Byna, Suren |
| Término indicativo de función/relación |
autor |
| Código de función/relación |
aut |
| -- |
http://id.loc.gov/vocabulary/relators/aut |
| 776 08 - ENTRADA/ENLACE A UN FORMATO FÍSICO ADICIONAL |
|---|
| Información de relación/Frase instructiva de referencia |
Printed edition: |
| Número Internacional Estándar del Libro |
9783030707491 |
| 776 08 - ENTRADA/ENLACE A UN FORMATO FÍSICO ADICIONAL |
|---|
| Información de relación/Frase instructiva de referencia |
Printed edition: |
| Número Internacional Estándar del Libro |
9783030707514 |
| 856 40 - LOCALIZACIÓN Y ACCESO ELECTRÓNICOS |
|---|
| Identificador Uniforme del Recurso |
https://go.openathens.net/redirector/universidadeuropea.es?url=https://doi.org/10.1007/978-3-030-70750-7 |
| Nota pública |
Acceso a este recurso digital (usuarios Universidad Europea de Madrid) |
| 942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA) |
|---|
| Fuente del sistema de clasificación o colocación |
Library of Congress Classification |
| Tipo de ítem Koha |
LIBRO-E NO PRÉSTAMO |
| 999 ## - NÚMEROS DE CONTROL DE SISTEMA (KOHA) |
|---|
| -- |
1 |