在本课程中,我们将通过了解如何以高级语言编写的ML模型分解为低级内核,并以分布式方式跨硬件加速器(例如GPU)执行。本课程涵盖的主题包括:神经网络和反向传播,用于表达ML模型的编程模型,自动差异化,深度学习加速器,分布式培训技术,计算图优化,自动内核的生成,内存优化等。本课程的主要目标是就现有ML系统的工作方式提供全面的看法。在整个课程中,我们还将学习这些系统背后的设计原则,并讨论为下一代ML应用程序和硬件平台构建未来ML系统的挑战和机会。
量子计算有望通过引入全新的数据交互方式来扩展数据管理功能,而不仅仅是提高处理速度和效率。本文提出了开发创新的量子数据结构,旨在利用量子力学的独特功能(例如叠加和纠缠)来优化数据库搜索和操作操作。我们引入了量子分区数据库 (QPD),利用改进的 Grover 算法检索数据库中的多个元素的数据,并展示了基于电路的量子数据结构的实际实现。我们的方法以量子随机存取存储器 (QRAM) 和量子随机存取门 (QRAG) 等基础概念为基础,弥合了理论进步与实际应用之间的差距。这项研究旨在促进量子技术在数据管理中的应用,为未来的创新、性能增强和数据库搜索和操作的新范式提供强大的框架。
在大数据制度中,计算机系统和算法必须处理大量数据,使许多传统的精确算法太昂贵了。为了解决此问题,研究人员已经开发了近似算法,这些算法可以在运行时和数据结构的渐近改进方面进行一些准确性,这些精度可以有效地存储并回答有关数据集的多个查询。这自然会导致这个问题,多年来近似算法和数据结构如何改善?在这里,我们提供了一些有关此问题的见解,研究了算法和数据结构的趋势,速度和准确性之间的权衡或特定数据结构操作的运行时间之间的权衡以及特定的感兴趣问题。我们的分析基于大约300个近似算法和大约250个数据结构的数据集。对于这两个领域,我们都发现,即使到今天,研究仍然相当活跃,即使数据结构的显着或渐近增长在下降缓慢。改进也是相当异质的 - 有些问题看到了很多工作和改进,而另一些则没有看到太大的进步。此外,具有精确和近似算法的问题,约为1
完成本课程的学生可以1。定义数据结构(类型),例如堆,平衡的树,片表。2。解释如何在给定问题建模时使用特定的数据结构(例如我可以解释如何使用平衡树对字典进行建模)。3。识别,构造并清楚地定义一个可用于建模给定问题的数据结构。4。陈述某些基本算法,例如合并排序,拓扑排序,Kruskal的算法和算法技术,例如动态编程和贪婪算法。5。在解决给定的问题上使用特定的算法技术(例如我可以编写一个解决最短路径问题的动态程序)。6。设计一种算法来解决给定的问题7。定义算法的最差/最佳/最佳/平均案例运行时间的概念。8。分析和比较算法的不同渐近运行时间。9。分析给定的算法并确定其渐近运行时间。10。将基本数据结构和算法技术结合在一起,以构建给定问题的完整算法解决方案。11。为给定问题创建几种算法解决方案,并根据给定时间和空间复杂性的给定要求选择其中最好的解决方案。
模块旨在该模块旨在使学生在关键计算机编程概念(例如算法,抽象数据类型,潜在的数据结构及其集成以生成有效代码的集成)的理论和应用中彻底扎根。这使学生能够发展知识和技能,以分析问题,然后使用合适的编程语言设计,实施和分析有效的算法解决方案。学生将熟悉算法解决方案在计算复杂性方面的含义,并开发出有关问题的最佳和近似解决方案的工作知识。这些将使用具有当前方法的程序和面向对象的编程开发,以证明在行业标准技术方面的熟练程度。
亚利桑那州立大学通过寻求建立卓越,增强访问权限并对我们的社区,州,国家和世界产生影响,将自己定位为伟大的新大学之一。这样做需要我们的教职员工反映我们国家和世界的智力,种族和文化多样性,以便我们的学生从最广泛的角度学习,并以最大程度地了解我们通过学术活动来解决我们正在解决的问题的最具包容性的理解。我们认识到种族和性别历史上一直是高等教育机构多样性的标志。然而,在ASU,我们认为多样性包括社会经济背景,宗教,性取向,性别认同,年龄,残疾,退伍军人地位,国籍和知识观点等其他类别。
反映了输入大小增加时算法正在运行的效率或速度。这是一个更抽象,更一般的概念,而不是依赖硬件或特殊环境。通过检查输入大小(例如,数组中的元素数)生长无限时,算法的性能如何变化来测量算法的复杂性。即使在大尺寸的问题上使用,这也有助于识别有效的算法。
你做什么?有很多可能的解决方案。拿起雨伞走路。如果您不想弄湿,可以开车或乘公共汽车。您可能决定打电话给朋友乘车,或者您可能决定另一天去商店。没有正确的方法来解决这个问题,不同的人会以不同的方式解决问题。