Language: English
RSS

Suscribete

  • Suscribete a Novas CESGA

HPC User Portal

  • HPC User Portal

State of the systems

  • Solo visible desde Firefox o Chrome.

For gender equality

  • Igualdad CESGA

6º Foro Transfiere 2017

Follow us ...

  • Twitter FacebbokFlickrYouTube CESGA

SME Services

  • Servicios para Empresas

díxitos Diciembre

  • díxitos Decembro 2017

  • CESGA ICTS
Filter by year:
CESGA

Friday 27/04/2018 09:38

Nova: FINSA confía en CiTIUS y CESGA para integrar soluciones de Industria 4.0

FINSA has joined forces with CiTIUS-USC and CESGA in a research project to tackel the problem of moisture content of its MDF products. Discover here the current achievements of this outstanding research project which uses Machine Learning, HPC, and knowledge to create real data-driven models to help FINSA engineers in their decision making process.

Full story

CESGA

Wednesday 11/04/2018 19:38

Nova: Reunión de consorcio del proyecto europeo Boats4Schools

El día 12 de abril se celebra en el CESGA la segunda reunión del proyecto europeo "Boats4Schools, An Educational Challenge", coordinado por CATIM y con la participación de 6 instituciones de Portugal, Italia y España, entre las que están el CESGA y el centro educativo CPI O Cruce.

El proyecto ”Boats4Schools” es una experiencia educativa dirigida a alumnado de enseñanza primaria y secundaria para trabajar las materias STEAM (Science, Technology, Engineering, Arts& Maths), a través de una metodología lúdica, grupal y motivadora en la que grupos de estudiantes de diferentes lugares diseñarán y competirán con prototipos de barcos en miniatura, utilizando materiales y técnicas avanzadas de modelado 3D, herramientas de ingeniería en la nube, CAD, etc.

La web del proyecto está en http://boats4schools.eu/

Full story

CESGA

Monday 26/02/2018 19:35

Nova: PhenoloGIT project consortium meeting at CESGA

Tomorrow the consortium of the European PhenoloGIT project meets at CESGA. This project has the objective of designing and testing an environmental information educational platform, supported by geographic information technologies (GIT) and the use of common mobile devices (tablets, telephones), so that it can be used by primary and secondary school teachers and students. high school. This experience aims to provide an innovative approach to the acquisition of various key competences for students, providing a real context, challenging and close to the use of technologies for learning to work in and out of the classroom changes in nature close through the seasons , the collection and analysis of multimedia data, comprehension of spatial and mathematical data, collaborative work and networking, etc.

Full story

CESGA

Tuesday 30/01/2018 12:30

Ya está disponible Spark 2 en la plataforma Big Data.

Esta nueva versión aporta numerosas novedades entre las que destacan las mejoras en el rendimiento. Además esta nueva versión incluye algoritmos adicionales en la librería de Machine Learning MLlib, así como una nueva API de streaming denominada Structured Streaming.

Las versiones que están disponibles actualmente son las versiones correspondientes a las dos ramas principales: 2.1.2 (Octubre 2017) y 2.2.1 (Diciembre 2017). A medida que vayan saliendo versiones nuevas se irán incorporando a la lista de versiones soportadas.

Para poder usarlo basta con cargar el módulo correspondiente a la versión deseada, por ejemplo:

module load spark/2.2.1

Y a partir de ahí se pueden usar los comandos habituales como spark-submit o start_jupyter, utilizando la versión 2 de spark en vez de la 1.6.

Full story

CESGA

Wednesday 27/12/2017 13:47

Thecnical report: "Evaluation of Machine Learning Fameworks on Finis Terrae II".

Machine Learning (ML) and Deep Learning (DL) are two technologies used to extract representations of the data for a specific purpose. ML algorithms take a set of data as input to generate one or several predictions. To define the final version of one model, usually there is an initial step devoted to train the algorithm (get the right final values of the parameters of the model). There are several techniques, from supervised learning to reinforcement learning, which have different requirements. On the market, there are some frameworks or APIs that reduce the effort for designing a new ML model. In this report, using the benchmark DLBENCH, we will analyse the performance and the execution modes of some well-known ML frameworks on the Finis Terrae II supercomputer when supervised learning is used. The report will show that placement of data and allocated hardware can have a large influence on the final timeto-solution.

Author: Ándrés Gómez Tato (CESGA)

Full story

684 news