Des infrastructures du big data plus efficaces
Le big data a besoin d’une infrastructure performante, de processus de bas niveau qui servent d’épine dorsale aux analyses de données de plus haut niveau.
Cette infrastructure est matérielle et logicielle: Le hardware comprend les processeurs tels que les CPU, les GPU et les TPU (processeurs, cartes graphiques et unités de traitement de tenseur), la mémoire transitoire et le stockage permanent, les composants de communication, les unités d’alimentation et de refroidissement, etc. Le software permet l’accès aux données et leur prétraitement, la programmation, la surveillance des flux de données et du matériel, etc.
L’amélioration de l’infrastructure du big data nécessite des avancées tant au niveau matériel que logiciel. Alors que l’industrie est à l’origine des principales avancées en matière de matériel, la recherche universitaire apporte une contribution importante aux logiciels permettant un traitement plus rapide et plus efficace de grands jeux de données.
Ce projet a extrait des inférences d’un réseau et étudié l’analyse de graphes sur différentes plateformes, y compris des combinaisons de traitement in-core et out-of-core.
Ce projet a fait plusieurs avancées dans l’analyse de grands graphes (réseaux) grâce au in-network computing, à savoir le traitement des données lors de leur transit avant leur stockage.
Ce projet avait pour but de mettre au point de nouvelles techniques d’intégration automatique ou semi-automatique de données.
L’objectif du projet était d’améliorer la combinaison des langages de programmation et des bases de données. Les résultats ont été intégrés dans Scala 3.
L'objectif du projet «Big Data Monitoring» était de développer des algorithmes qui contrôlent en continu des données entrantes pour vérifier si elles contreviennent aux règles.
