¡Imagina un grupo de estos!
1) Algoritmos distribuidos y estructuras de datos.
Esta es una fruta de bajo costo, ya que podemos obtener acceso barato a grupos de máquinas de productos básicos en estos días y tenemos décadas de investigación previa sobre computación paralela y distribuida a nuestra disposición. Por otro lado, estamos obteniendo más y más datos que ya no caben en la jerarquía de memoria de una sola computadora, e incluso si los cuellos de botella de comunicación se resuelven milagrosamente, siempre estaremos limitados por las restricciones físicas de un solo nodo de computación [1 ]
- ¿Qué piensan los investigadores de IA, ML y NLP del Watson de IBM? ¿Tiene el potencial de tener un gran impacto?
- ¿Google acelera el lanzamiento de la investigación de aprendizaje profundo?
- ¿Quiénes son algunos doctores en informática líderes en la industria?
- ¿Cuáles son los pasos necesarios para escribir trabajos de investigación?
- ¿Qué tan difícil es hacer la transición de la industria al profesor titular?
Para empezar, vea la charla del usuario de Quora: Programación en la nube: de Doom and Gloom a BOOM y Bloom : http://neilconway.org/talks/boom…
2) Bases de datos distribuidas
Consulte ¿Cuáles son los mejores temas de investigación recomendados en bases de datos según las tecnologías de punta y las tendencias de investigación recientes?
3) Sistemas de archivos distribuidos
Consulte ¿Cuáles son los mejores recursos para aprender sobre los sistemas de archivos distribuidos?
4) Análisis numérico distribuido
Consulte ¿Cuáles son los mejores recursos para el análisis numérico distribuido / algoritmos matriciales?
5) Optimización convexa distribuida
Consulte ¿Cuáles son algunos buenos recursos para aprender sobre la optimización distribuida?
6) Procesamiento de flujo distribuido
Vea ¿Cuáles son algunos buenos recursos para aprender sobre la minería de flujo? ¿Por qué?
7) Aprendizaje automático distribuido
Por ejemplo, técnicas de conjunto como bosques aleatorios o algoritmos de consenso con aplicaciones en el aprendizaje de idiomas.
también escala: ¿Cuáles son algunos recursos introductorios para aprender sobre el aprendizaje automático a gran escala? ¿Por qué?
8) Inferencia distribuida y aprendizaje de estructura en modelos gráficos
por ejemplo, algoritmos paralelos para redes bayesianas: página en iastate.edu
9) Lógica distribuida y lenguajes específicos de coordinación
Ej. Lenguajes de coordinación de Gelernter y Carriero:
http://dl.acm.org/citation.cfm?i… y http://www.lindaspaces.com/book/
10) Optimización combinatoria distribuida
Por ejemplo, problemas de búsqueda, coincidencia y flujo de red en grandes gráficos (visualización)
http://en.wikipedia.org/wiki/Mat…,
pruebe el emparejamiento bipartito en línea en las entradas de transmisión, es un problema divertido con muchas aplicaciones en bioinformática (por ejemplo, el ensamblaje del genoma se reduce al emparejamiento máximo en el gráfico bipartito, vea Gemelos)
11) Inteligencia artificial distribuida: aprendizaje de enjambres y evolución, por ejemplo, imitando colonias bacterianas e inteligencia microbiana. Genética de poblaciones (variación genética, deriva, mutación, selección) aplicada a sistemas multiagente. Aprendizaje de refuerzo en un entorno distribuido.
12) Algoritmos cuánticos distribuidos, por ejemplo, para sincronización de reloj
13) La codificación de red es divertida, con algunos resultados recientes muy elegantes, como el código fuente. Consulte: Teoría de la información de red y Teoría de la información, inferencia y algoritmos de aprendizaje (el último capítulo sobre códigos en línea)
14) Monedas digitales descentralizadas (por ejemplo, bitcoin)
15) Compiladores para sistemas paralelos y distribuidos (por ejemplo, página en cmu.edu, X10, Chapel, C-to-gates (C a HDL) y compiladores / tiempo de ejecución para sistemas heterogéneos (por ejemplo, FPGA + CPU + GPU)), lenguajes de programación para sistemas informáticos distribuidos
16) Sistemas operativos distribuidos
Por qué el centro de datos necesita un sistema operativo
Computación Grid con Plan 9
17) Robótica distribuida y redes de sensores
DRLWiki
18) Ingeniería neuronal
19) Codificación distribuida escasa
20) redes de memoria
también
- ¿Cuáles son algunos buenos recursos para aprender sobre computación distribuida? ¿Por qué?
- Un caso para NOW (Redes de estaciones de trabajo, 1995): http://www.ncic.ac.cn/~majie/Pap…
- Dean, diseños, lecciones y consejos de la construcción de grandes sistemas distribuidos : http://www.cs.cornell.edu/projec…
- Gray, What Next – Una docena de objetivos de investigación de tecnología de la información : http://arxiv.org/ftp/cs/papers/9…
- Langford, Instrucciones de investigación para aprendizaje automático y algoritmos : http://cacm.acm.org/blogs/blog-c…
- Taller NSF sobre algoritmos en el campo (2011): https://sites.google.com/site/al…
- MMDS 2010. Taller sobre algoritmos para conjuntos de datos masivos modernos http://www.stanford.edu/group/mmds/
- Taller de NIPS 2010 sobre aprendizaje en núcleos, grupos y nubes: http://lccc.eecs.berkeley.edu/
- Ullman, Minería Conjuntos de datos masivos : http://infolab.stanford.edu/~ull…
- Dongarra, sobre el futuro de HPC : http://www.netlib.org/utk/people…
- O’Reilly, El estado del sistema operativo de Internet : http://radar.oreilly.com/2010/03…
- Los principales problemas de datos abiertos de Facebook
[1] http://en.wikipedia.org/wiki/Moo…