Início / Noticias / MathWorks / MathWorks R2016b preparado para el Big Data

MathWorks R2016b preparado para el Big Data

La nueva versión de MathWorks R2016b simplifica en trabajo con Big Data en MATLAB y añade nuevas funcionalidades en Simulink

MathWorks R2016b preparado para el Big Data

MathWorks ha presentado su versión 2016b (R2016b) con nuevas prestaciones que simplifican el trabajo con Big Data en MATLAB. Ahora se puede trabajar de una manera mas fácil  con datos que no quepan en memoria por ser demasiado grandes.

La versión R2016b  incluye también funciones adicionales en Simulink, un producto nuevo, Risk Management Toolbox, y actualizaciones y correcciones de errores para otros 83 productos.

Los arrays altos les proporcionan a los ingenieros y científicos una forma de trabajar de manera natural con datos con memoria insuficiente sirviéndose de las funciones y la sintaxis de MATLAB que ya les son familiares. De esta forma se evita la necesidad de aprender programación para Big Data. Los arrays altos se pueden utilizar con cientos de algoritmos matemáticos, estadísticos y de aprendizaje automático. El código se puede ejecutar en clusters de Hadoop o integrarse directamente en aplicaciones de Spark.

La versión R2016b también incluye un contenedor de datos timetable para indexar y sincronizar datos tabulares con marca de tiempo, arrays de cadenas para ayudar a manipular, comparar y almacenar los datos de texto de manera eficiente, y nuevas funciones para preprocesar los datos.

“Las empresas están inundadas de datos, pero luchan por sacarles partido para crear mejores modelos predictivos y obtener información más detallada”, afirma David Rich, director de marketing de MATLAB en MathWorks. “Con la versión R2016b, hemos eliminado obstáculos con objeto de que los expertos en cada dominio puedan trabajar con más datos y de manera más sencilla. Eso se traduce en una mejora del diseño, el rendimiento y la fiabilidad de los sistemas”.

La familia de productos de MATLAB incorpora las siguientes actualizaciones:
• MATLAB:
o Arrays altos para manipular datos que no caben en la memoria por ser demasiado grandes
o Contenedor de datos timetable para indexar y sincronizar datos tabulares con marcas de tiempo
o Posibilidad de definir funciones locales en los scripts para mejorar la capacidad de reutilización y la legibilidad del código
o Prestaciones para ejecutar código MATLAB desde programas Java con la API de motor de MATLAB para Java
• MATLAB Mobile: Registro de datos desde sensores de iPhone y Android en la nube de MathWorks
• Database Toolbox: Interfaz de base de datos de gráficos para recuperar datos de Neo4j
• MATLAB Compiler: Soporte para el despliegue de aplicaciones de MATLAB, incluidos arrays altos, en un cluster de Spark
• Parallel Computing Toolbox: Posibilidad de procesar Big Data con arrays altos en paralelo en su escritorio, así como en servidores y clusters de Spark con MATLAB Distributed Computing Server
• Statistics and Machine Learning Toolbox: Algoritmos de Big Data para el procesamiento de datos con memoria insuficiente, incluyendo reducción de dimensiones, estadísticas descriptivas, clustering k-means, regresión lineal, regresión logística y análisis discriminante
• Statistics and Machine Learning Toolbox: Optimización bayesiana para ajustar automáticamente los parámetros de los algoritmos de aprendizaje automático, así como análisis de componentes vecinos (NCA) para elegir las características de los modelos de aprendizaje automático
• Statistics and Machine Learning Toolbox: Soporte para la generación automática de código C/C++ para SVM y modelos de regresión logística con MATLAB Coder
• Image Processing Toolbox: Soporte para datos de imágenes volumétricas mediante superpíxeles 3D para organización iterativa lineal simple en clusters (SLIC) y filtrado medio 3D
• Computer Vision System Toolbox: Detección de objetos mediante redes neuronales convolucionales basadas en regiones (R-CNNs) de aprendizaje profundo
• Risk Management Toolbox: Nuevo producto para desarrollar modelos de riesgos y realizar simulaciones de riesgos
• ThingSpeak: Posibilidad de recopilar datos de sensores conectados a Internet y ejecutar análisis de MATLAB en la nube mediante las funciones de Statistics and Machine Learning Toolbox, Signal Processing Toolbox, Curve Fitting Toolbox y Mapping Toolbox

La familia de productos de Simulink incorpora las siguientes actualizaciones:
• Simulink:
o Rendimiento mejorado mediante compilador JIT para simulaciones ejecutadas en el modo Accelerator
o Posibilidad de inicializar, restablecer y finalizar los subsistemas para modelar el comportamiento de inicio y cierre dinámicos
o Bloques de lectura y escritura de estados para tener un control total sobre el comportamiento del estado de restablecimiento desde cualquier parte del modelo
o Soporte de hardware de Raspberry Pi 3 y Google Nexus
• Simulink y Stateflow: Inspector de propiedades (Property Inspector), editor de datos de modelos (Model Data Editor) y administrador de símbolos (Symbol Manager) para agilizar la edición de parámetros y datos
• Simscape: Librerías de bloques ampliadas para modelar sistemas de gases perfectos, semiperfectos y reales

Se incorporan las siguientes actualizaciones para el procesamiento de señales y comunicaciones:
• Signal Processing Toolbox: App Signal Analyzer para realizar análisis del dominio del tiempo y de la frecuencia de varias series temporales
• Phased Array System Toolbox: Soporte para el modelado de los efectos atmosféricos y de propagación multirruta en señales de banda estrecha y banda ancha
• WLAN System Toolbox: Soporte para IEEE 802.11ah y capacidad de recepción MIMO multiusuario
• Audio System Toolbox: Alojamiento de complementos de audio para ejecutar y probar complementos VST directamente en MATLAB

Se incorporan las siguientes actualizaciones para la generación de código:
• Embedded Coder:
o Integración de código de versiones distintas para la reutilización de código generado de versiones anteriores
o Posibilidad de generar código utilizable en cualquier entorno de software, incluyendo comportamientos de inicio y cierre dinámicos
o Soporte para la simulación de software básico de AUTOSAR, incluyendo Diagnostic Event Manager (DEM) y NVRAM Manager (NvM)
• HDL Coder: Canalización adaptativa para especificar la frecuencia de reloj de destino a fin de controlar la inserción automática de canalizaciones, así como un analizador lógico (Logic Analyzer) para visualizar y analizar transiciones y estados (con DSP System Toolbox)

Se incorporan las siguientes actualizaciones para la verificación y la validación:
• Simulink Verification and Validation: Comprobación durante la edición para detectar y corregir problemas de conformidad con estándares en la fase de diseño
• Simulink Test: Definición de criterios personalizados para la evaluación de pruebas
• HDL Verifier: Captura de datos de FPGA para sondear señales de FPGA internas y analizarlas en MATLAB o Simulink
• Polyspace Bug Finder: Soporte para el estándar de codificación CERT C para la detección de vulnerabilidades de ciberseguridad

La versión R2016b ya está disponible en todo el mundo. Para obtener más información, consulte los Aspectos destacados de la versión R2016b.

Más información

/noticias/marcas/66-mathworks