The Doppler Quarterly (FRANÇAIS) Été 2016 | Page 81
travail d'apprentissage automatique et a mis en
open source cet outil comme plate-forme
d'analyse générique pouvant être appliqué à dif-
férents domaines et ensembles de problèmes.
• TPU - Google a travaillé à la conception et au
déploiement des unités de traitement de ten-
seur à l'intérieur de ses datacenters pour accé-
lérer les charges de travail d'apprentissage
automatique. Le TPU est un ASIC personnalisé,
spécialement optimisé pour les charges de tra-
vail d'apprentissage automatique.
Google continue aussi à créer son propre écosystème
de partenaires, avec certains partenaires orientés
vers HPC. Une partenaire dispose d'une capacité
Azure se réfère aux charges de travail axées HPC en
tant que Big Compute. À ne pas confondre avec les
charges de travail HPC qui sont avec processeur et
intensives à interconnexion, contrairement aux
charges de travail Big Data qui ont des modèles de
communication très différents de HPC. Les capacités
Big Compute de Azure couvrent plusieurs domaines
spécifiques.
essentielle, il s'agit de CycleComputing. Il permet de
planifier facilement l'exécution des charges de travail
HPC sur différents prestataires cloud, y compris
Google.
Tandis que AWS et Azure fournissent des ensembles
riches en fonctionnalités IaaS, complétés par les
technologies spécifiques HPC, Google a suivi le che-
min des fonctionnalités PaaS (Plate-forme en tant
que service) avec Google Genomics et l'apprentissage
automatique Google. Cela permet aux organisations
d'analyser des ensembles de données complexes et
volumineux sans avoir à déployer, configurer et gérer
les services IaaS. L'approche de Google est unique et
continuera inévitablement à s'étendre dans un
domaine supplémentaire.
• Conception d'ingénierie et simulation
Les simulations, y compris l'analyse des élé-
ments finis, analyse structurelle et analyse de la
dynamique des fluides, avec prise en charge
courante de la conception du produit et de la
validation.
ÉTÉ 2016 | THE DOPPLER | 79