However, there are many challengeso

However, there are many challenges
on the road to ever more advanced computing,
including, but not limited to,
system power consumption and environmentally
friendly cooling, massive
parallelism, and component failures,
data and transaction consistency, metadata
and ontology management, precision
and recall at scale, and multidisciplinary
data fusion and preservation.
Above all, advanced computing systems
must not become so arcane and
complex that they and their services
are unusable by all but a handful of
experts. Open source toolkits (such as
Hadoop, Mahout, and Giraph), along
with a growing set of domain-specific
tools and languages, have allowed many research groups to apply machine
learning to large-scale scientific
data without deep knowledge of machine-
learning algorithms. The same
is true of community codes for computational
science modeling.

ผลลัพธ์ (ไทย) 1:

อย่างไรก็ตาม มีความท้าทายมากบนถนนเคย เพิ่มเติมขั้นสูงคอมพิวเตอร์รวมถึง แต่ไม่จำกัดเฉพาะการระบบพลังงาน และสิ่งแวดล้อมสะดวกในการระบายความร้อน ขนาดใหญ่parallelism และคอมโพเนนต์ล้มเหลวข้อมูลและธุรกรรมความสอดคล้อง metadataและ จัดการภววิทยา ความแม่นยำและการเรียกคืนมาตรา ส่วน และ multidisciplinaryผสมผสานข้อมูลและการเก็บรักษาเหนือทั้งหมด ขั้นสูงระบบคอมพิวเตอร์ต้องไม่เป็น arcane เพื่อ และซับซ้อนที่พวกเขาและบริการจะใช้ไม่ได้ทั้งหมดแต่หยิบของผู้เชี่ยวชาญ เปิดแหล่งข่าว (เช่นอย่างไร Hadoop ควาญช้าง และ Giraph), พร้อมด้วยชุดโดเมนเฉพาะเติบโตเครื่องมือและภาษา ได้รับอนุญาตให้งานวิจัยในการใช้เครื่องเรียนรู้การขนาดใหญ่ที่ทางวิทยาศาสตร์ข้อมูลไม่ มีความรู้ลึกของเครื่อง-อัลกอริทึมการเรียนรู้ เหมือนเดิมเป็นจริงของชุมชนรหัสสำหรับคำนวณวิทยาศาสตร์สร้างโมเดล

ผลลัพธ์ (ไทย) 2:

แต่มีความท้าทายมากบนท้องถนนเพื่อการคำนวณที่เคยสูงขึ้นรวมถึงแต่ไม่ จำกัด เพียงระบบการใช้พลังงานและสิ่งแวดล้อมการระบายความร้อนที่เป็นมิตรขนาดใหญ่ขนานและความล้มเหลวส่วนข้อมูลและความสม่ำเสมอในการทำธุรกรรมเมตาดาต้าและการจัดการที่เกี่ยวกับธรรมชาติที่มีความแม่นยำและการเรียกคืนที่ขนาดและสหสาขาวิชาชีพฟิวชั่นข้อมูลและการเก็บรักษา. เหนือสิ่งอื่นใดระบบคอมพิวเตอร์ขั้นสูงจะต้องไม่กลายเป็นความลับและซับซ้อนที่พวกเขาและบริการของตนเป็นไปไม่ได้โดยทั้งหมดแต่กำมือของผู้เชี่ยวชาญ ชุดเครื่องมือโอเพนซอร์ส (เช่นHadoop, ควาญช้างและ Giraph) พร้อมกับชุดที่เพิ่มขึ้นของโดเมนเฉพาะเครื่องมือและภาษาที่ได้รับอนุญาตให้กลุ่มวิจัยจำนวนมากที่จะใช้เครื่องเรียนรู้ที่จะทางวิทยาศาสตร์ขนาดใหญ่ข้อมูลโดยไม่ต้องรู้ลึกของmachine- ขั้นตอนวิธีการเรียนรู้ . เช่นเดียวกับที่เป็นจริงของชุมชนรหัสสำหรับการคำนวณการสร้างแบบจำลองทางวิทยาศาสตร์

ผลลัพธ์ (ไทย) 3:

อย่างไรก็ตาม มี
ความท้าทายมากมายบนถนนสู่คอมพิวเตอร์ เคยขั้นสูง
รวมทั้ง แต่ไม่ จำกัด ถึงระบบการใช้พลังงานและสิ่งแวดล้อม

เย็นเป็นกันเองขนาดใหญ่
ขนาน และความล้มเหลวขององค์ประกอบ
รายการข้อมูลและความสอดคล้อง และการจัดการ metadata

อภิปรัชญาความแม่นยำและเรียกคืนข้อมูลในขนาดและฟิวชั่น โดย

ข้างต้นทั้งหมด และการเก็บรักษาระบบคอมพิวเตอร์ขั้นสูง
ไม่ต้องเป็น arcane ซับซ้อนที่พวกเขาและ

จะไม่สามารถใช้งานและบริการของพวกเขาโดย ทั้งหมด แต่หยิบ
ผู้เชี่ยวชาญ ชุดเครื่องมือเปิดแหล่งที่มา ( เช่น Hadoop ควาญช้าง และ giraph
,
) ตามด้วยชุดการเติบโตของเครื่องมือเฉพาะ
โดเมนและภาษา มีให้วิจัยหลายกลุ่มที่จะใช้เครื่อง

เรียนข้อมูลทางวิทยาศาสตร์ขนาดใหญ่โดยไม่มีความรู้ลึกของเครื่อง -
เรียนรู้วิธีการ เดียวกันเป็นจริงของชุมชน
รหัสแบบวิทยาศาสตร์เชิงคำนวณ