En primer lugar, una sola computadora tiene enormes capacidades informáticas hoy en día, por lo que, si está investigando esto prácticamente, es posible que desee comenzar por revisar la eficiencia algorítmica de su programa: los matemáticos no siempre tienen buenos conocimientos de lenguajes de programación, algoritmos y complejidad computacional, conducen a problemas serios que deben ser atendidos antes de que se arroje más potencia informática al problema. Como ejemplo, debe asegurarse de que su código esté usando vectorización, simd, etc. Los detalles dependen de la plataforma que esté usando:
Vectorización (computación paralela)
SIMD
Vectorización – MATLAB y Simulink
Dicho esto, parece haber al menos dos enfoques comunes para escalar dicho cálculo:
- ¿Cuáles son los tres problemas principales en el pronóstico de energía eólica y solar que requieren atención urgente utilizando algoritmos de aprendizaje automático?
- ¿Se pueden utilizar bosques aleatorios para la selección de variables? De ser así, ¿cómo?
- Cuál debería ser mi próximo paso, después de cubrir las estadísticas básicas de las estadísticas principales, un curso básico de análisis de datos (preparación de datos, exploración, clasificación, minería de reglas de asociación, agrupación, regresión) y un proyecto en un conjunto de datos SSLC (puede encontrarlo en mi único blog en Quora) usando R?
- ¿Cuáles son los mejores cursos introductorios para el aprendizaje automático disponibles en Internet para principiantes?
- ¿Puedes explicar el hashing de características de una manera fácil de entender?
- usando un grupo de computadoras
- usando GPU (el procesador de la tarjeta gráfica), que debido a una arquitectura completamente diferente a la CPU puede abordar algunos problemas con una eficiencia mucho mayor, siendo Nvidia CUDA la plataforma más popular – Plataforma de programación y computación paralela
Mathematica y MATLAB tienen soluciones existentes que utilizan ambos enfoques:
Servidor de computación distribuida de MATLAB
GPU MATLAB Computación con GPU NVIDIA CUDA
Procesamiento en paralelo con el poder de Mathematica
Programación CUDA con Mathematica
Yendo más allá de eso, también puede escribir su propio programa en un lenguaje de programación de propósito general, como C, C ++ o Fortran, que en última instancia es más flexible. Luego debe buscar bibliotecas matemáticas efectivas:
LAPACK – PAQUETE de Álgebra Lineal
MAGMA
ScaLAPACK – Paquete de álgebra lineal escalable
PLASMA
