Membres à l'honneur: [AF>Libristes] Elorak () | b3rl1go () | [AF>EDLS] GGTF () | [AF>MMO-VR de Mondes]Thrrp () | [AF>MMO-VR de Mondes]Le destructeur des mondes () | pascal49fr () | [AF>Linux]Rogue 9 () | jmwfr () | Jean-Brice BONNET () | [AF>WildWildWest] RLDF () | [AF] fansyl () | Fblais () | Samu56 () | [AF>stefi]stef () | [AF>WildWildWest] RLDF () | [AF>HFR] Gorgias () | [AF>Occitania] El-Nino () | Smokyr (40 000 000) | Nico (60 000) | PIERREHP-PC (3 000 000) | Sigismund (1 000 000) | alinthda (900 000) | jmwfr (30 000 000) | momo653 (3 000 000) |

DistributedDataMining Project

DistributedDataMining project

DistributedDataMining Project



 

Télécharger Boinc (tutorial)

URL du projet : http://www.distributeddatamining.org/DistributedDataMining

Liens du Projet
L'Alliance Francophone Statistiques

 

Défis

distributedDataMining (DDM) est le nom d'un projet de recherche qui utilise des ordinateurs connectés à Internet pour effectuer des recherches dans les différents domaines d'analyse de données et d'apprentissage automatique. Le projet utilise le programme "Berkeley Open Infrastructure Network Computing"(BOINC) pour la distribution des calculs à plusieurs ordinateurs. Le but de BOINC est de permettre aux chercheurs de puiser dans la puissance de calcul considérable que représentent les ordinateurs personnels à travers le monde. Si vous êtes disposé à appuyer nos projets de recherche, veuillez participer au projet dDM. Au cours de la dernière semaine, 198 membres du projet ont consacré 20.639 heures de leur puissance de calcul répartie sur 303 ordinateurs. Nous - les membres du conseil scientifique - tenons à remercier tous les membres du projet car ils offrent un appui généreux pour nos recherches.

 

Toutes les applications dDM utilisent le système de l'open source RapidMiner. Cette suite d'exploration de données fournit aux machines différentes méthodes d'apprentissage à des fins d'analyse de données. Le RapidMiner utilise un plug-in qui permet d'ajouter facilement les nouveaux algorithmes développés. Cette flexibilité et la puissance de traitement de BOINC est une base idéale pour la recherche scientifique dans l'exploration de données distribuées. Le projet dDM a saisi l'occasion et sert de métaprojet pour différents types d'apprentissage automatique et ces applications. Ci-dessous, vous trouverez un aperçu de nos sous-projets et les publications scientifiques connexes.