Многопрофильным научный журнал

ЖАРАТЫЛЫС ҒЫЛЫМДАРЫ 
 
144
Смысл  таких  глобальных  моделей  заклю-
чается  в  том,  что  они  позволяют  оценить  вклад 
отдельных процессов и регионов в общий баланс 
вещества  и  энергии  на  Земле,  и  решать  обрат-
ную  задачу  о  влиянии  на  локальные  процессы 
этих  глобальных  показателей.  Такой  всесторон-
ний учет множества факторов и связей возможет 
только в рамках моделей, интегрирующих знания 
о  тысячах  взаимосвязей  и  десятках  и  сотнях 
тысяч параметров  пространственной  неоднород-
ной  системы  и  возможен  только  с  использова-
нием  современной  вычислительной  техники  и 
геоинформационных технологий.  
Современная  математическая  экология 
представляет  собой  междисциплинарную  об-
ласть, включающую всевозможные методы мате-
матического  и  компьютерного  описания  экологи-
ческих  систем.  Теоретической  базой  для  описа-
ния  взаимодействий  между  видами  в  экосис-
темах  служит динамика  популяций, которая  опи-
сывает  базовые  взаимодействия  и  дает  качест-
венную картину возможных паттернов поведения 
переменных  в  системе.  Для  анализа  реальных 
экосистем  применяется  системный  анализ,  при 
этом степень интегрированности модели зависит 
как  от  объекта,  так  и  от  целей  моделирования. 
Моделирование  многих  экосистем  является 
действенным средством разработки методом оп-
тимального 
управления 
этими 
системами. 
Построение  глобальных моделей позволяет  оце-
нить  глобальные  и  локальные  изменения  кли-
мата,  температуры,  типа  растительного  покрова 
при разных сценариях развития человечества. 
 
Литература: 
1.  Ризниченко  Г.Ю.,  Рубин  А.Б.  Математи-
ческие  модели  биологических  продукционных 
процессов. - М., 1993. 
2. Умнов А.Е. Методы математического мо-
делирования:  Учебное  пособие.  –  М.:  МФТИ, 
2012. - 295 с. 
Түйін 
Мақалада  экологиялық  жүйелер  және  процесстерді  зерттеудің  негізгі  әдісі  және  оның 
экологияның әр түрлі салаларында қолданылуы қарастырылған.  
Resume 
In  article  the  main  method  of  research  of  ecological  systems  and  processes,  and  its  application  in 
various sections of ecology is considered. 
 
 
УДК 04.424 
 
ЗАМАНАУИ АВТОМАТТАНДЫРЫЛҒАН АУДАРМА ЖҮЙЕСІН ҚҰРУ 
 
Жунусканова  Ж.Н.  –  А.  Байтұрсынов  атындағы  Қостанай  мемлекеттік  университетінің  
магистранты 
Калакова  Г.К.  –  А.  Байтұрсынов  атындағы  Қостанай  мемлекеттік  университетінің 
информатика және математика кафедрасының магистры, аға оқытушысы 
  
Мазмұндама 
Берілген  мақалада  заманауи  сөздіктердегі  аударманың  сәйкестігі  туралы  мәселе 
қарастырылған,  аудармашыларға  және  мемлекеттік  тілді  өз  бетінше  үйренетіндерге  арналған 
автоматтандырылған ортаны құрудың өзектілігі қарастырылған.  
Негізгі ұғымдар: термин, сөздік, автоматтандыру, жүйелер, аударма.  
 
Диссертация  бойынша  жұмысты  бастаған 
кезде  мен  оның  өңделу  мәселесімен  қақтығыс-
тым. Менің диссертациямның тақырыбы: «Терми-
нологиялық сөздіктердегі аударманың сәйкестігін 
автоматтандыру».  Автоматтандырылған  ортаны 
қалай құруға боллады? Оның ішінде не болуы ке-
рек. Бұл жобаның өзектілігі қандай? Осы мақала-
да мен бұл сұрақтарға және т.б. сұрақтарға жауап 
іздеймін.  
Мұндай  тақырыптағы  диссертацияны  алу 
ойы  маған  кездейсоқ  келген  жоқ.  Барлық  оқыту-
шы  тәжірибем  бойынша  мен  аударма  мәселесі-
мен қақтығысып келемін, соның ішінде орыс тілі-
нен  қазақ  тіліне  аудару  мәселесі  мені  қатты 
ойландырады. Кеңес одағы кезеңінде оған кірген 
барлық елдерде тек бір тіл ресми болып саналды 
– ол орыс тілі. Кеңес одағы құлағаннан кейін оған 
кірген әр ел өзінің тіліне, салт-дәстүріне және т.б. 
басқаша  қарай  бастады.  Біздің  ел  де  ерекше 
болған  жоқ.  Қазақстан  Республикасының  тәуел-
сіздік  алғанына  жиырма  жылдан  асып  кетті.  Ал 
қазақ  тілі  мәселесі  әлі  де  сол  бастапқы  жағ-
дайында  тұр  деуге  болады.  Біз  нені  ұмыттық? 
Осыған  байланысты  аударма сөздіктерді  шығару 
қажеттілігі  пайда  болды.  Және  де,  әрине  сөздік-
терді жасау  процессі  толығымен  қарқынды  жүріп 
кетті.  
Біршама  уақыт  өткеннен  кейін  біз  бұл 
сөздіктердің  сапасына  назар  аударып,  олардың 
жүйесіздігін,  кейбір  сөздердің  дұрыс  аударылма-
ғандығын  көреміз.  Алған  тәуелсіздігімізге  қара-
мастан, барлық мекемелерде барлық ресми және 
биресми  құжаттар  орыс  және  қазақ  тілінде  жү-
реді.  Біз  өзіміздің  тілімізге  бірте-бірте  келудеміз. 
Барлық  мемлекеттік  мекемелерде  аудармашы-
лар  бар,  бірақ  оларға  жүктелген  жұмыстың  көле-

ЕСТЕСТВЕННЫЕ НАУКИ 
 
145
мі  үлкен.  Бұл  жерде  баспа  және  электронды  ау-
дармашыларға деген тапшылық туындайды.  
Қазіргі  заманғы  информатика  ғылымының 
қарқынды дамуы, оның қоғам мен өмірдің барлық 
саласына кеңінен қолданылу тәжірибесінің жетіс-
тіктері  қазақ  тіл  білімін  жоғары  ғылыми-теория-
лық  және  техникалық  деңгейде  шешуге  жаңа 
мүмкіндіктер  беріп  отыр.  Сондықтан  да  қазақ 
тілін  математикалық  лингвистика  әдісімен  зерт-
теу  және  сөйлемдерді  талдау  мен  құруды  авто-
маттандыру  проблемасы  лингвистика  және  ин-
форматика саласында аса маңызды болып табы-
лады. Сондай өзекті мәселелердің бірі – тұрақты 
сөз  тіркестерін  тануды  автоматтандыру.  Бұл  қа-
зақ  тіліндегі  мәтіннен  тұрақты  сөз  тіркесін  іздеп 
тауып,  оны  баламалас  тіркеспен  алмастыру,  сол 
арқылы  бір  тілден  екінші  тілге  аудару  жұмыста-
рындағы  кездесетін  тұрақты  сөз  тіркесін  аудару 
мәселелерін  шешуде  қолданылады.  Өйткені,  тұ-
рақты  сөз  тіркестерін  көп  жағдайда  басқа  тілге 
сөзбе-сөз аударғанда, оның мағынасы бұзылады. 
Қазіргі  терминологиялық  сөздіктердегі  ау-
дармаға назар аударсақ нені көруге болады? Бұл 
мәселе 
көптен 
талқылануда. 
Сөздіктерден 
жүйесіздік,    аударманың  жалпылығын,  сәйкессіз-
дікті  көруге  болады.  Егер  басқа  ұлт  адамының 
қазақ тілін үйренемін деген ынтасы болса, сөздік-
терге  қарап  оның  көп  нәрседен  шатасатынына 
көз  жеткізуге  болады.  Себебі  қазақ  тілі  –  бай  тіл. 
Әр  сөздің  әр  терминологияда  әр  түрлі  мағынасы 
бар.  Бұл  біздің  терминологиялық  сөздіктерде 
ескерілмеген.  Кез  келген  кәсіпорында  немесе 
мемлекеттік  мекемеде  аудармашы  бар.    Неге? 
Себебі  қазақ  тілін  жетік  білмеген  адамға  сөздік-
термен аударып отыру  мүмкін емес. Аударылған 
материалдың мағынасы  да,  түгсінігі де, мазмұны 
да  жоғалып  кетеді.  Оған  орай,  интернеттегі  ре-
сурстар  да  көмек  бере  алмайды.  Әрине,  сөздік-
тердегі  барлық  аударманы  «дұрыс  емес»  деп 
айту  қате.  Дұрыс  аудармалар  бар  екенін  мойын-
дау  керек.  Бірақ  тәжірибесі  жоқ  аудармашы  да 
сөздіктердегі қатені бірден таба алады. 
Қазақ  тілі  қазіргі  таңда  күн  өткен  сайын 
жан-жақты дамып, оның қолданылу аясы кеңейіп 
келеді.  Біздің  сөздік  қорымыздың  көбеюіне  игі 
әсер  етіп,  ғылым  мен  техниканың  өркендеуіне 
айрықша  ықпал  етіп  келе  жатқан  термин  сөздер-
дің орны ерекше. Күнделікті сөйлеу тіліміздің бар-
лық саласында және түрлі мағынада қолданыла-
тын сөздерге қарағанда, термин сөздердің көпші-
лігі дара мағынада қолданыс табатындығы белгі-
лі.  Мысалы,  журналист,  кафедра,  роман,  эфир, 
автор,  демократия,  рота,  аппарат,  ядро,  эпопея, 
диплом  деген  терминдер  белгілі  бір  жағдайда 
қолданылып,  бір  ғана  мағынада  ұғынуға  жағдай 
тудырады. 
Қоғам  дамуына  байланысты  тіліміз  де  да-
мып,  жаңаша  түсініктер  қалыптастырып,  мағы-
налық  жағынан  байып  келе  жатқан  терминдік 
жүйенің  қалыптасуы  біраз  дүниені  аңғартады. 
Әрине, термин сөздер біздің өмірімізге етене ара-
ласып,  оның  қоғамдық  қарым-қатынас  құралына 
айналуы,  ғылым  мен  білімді  меңгеруде  термин-
дердің  өзіндік  орны  бар  екендігін  айқындай 
түседі. 
Тіл  мамандары  былай  дейді:  «Қазақ  тілін 
мемлекеттік тіл ретінде дамытудың басты жолы – 
оны ғылыми және техникалық тіл ретінде дамыту 
және  терминологиялық  сөздіктерді  жүйелендіру 
және жетілдіру».  
20  ғасырдың  соңына  қарай  сапалы  маши-
налық аударманы адамның көмегінсіз алу мүмкін 
еместігіне  көз  жеткіздік.  Автоматталған,  яғни  ма-
шиналық  аудармашылар  жасау  мүмкіндігі  өткен 
ғасырдың  50-ші жылдарында  жасалған,  бірақ  ау-
дарманың  сапасы  әлі де  тіле-алды  қояды.  Үлкен 
жылдамдыққа  қарамастан,  мұндай  жүйелер 
адамның  қатынасынсыз  біршама  мәселелерді 
шеше  алмайды.  Мұндай мәселелерді шешу  үшін 
машиналық  аударма  жүйелерінің  өңдеушілері 
соңғы  кездері  белсенді  түрде  қолданушыны  тар-
тады,  осылай  алынған  аударманың  өңделуін 
жеңілдетеді.  Бірақ  біршама  мамандардың  ойы 
бойынша  мұндай  аудармалар  өңделуге  жатпай-
ды, және оларды өңдегеннен көрі қайта аударған 
жеңілірек болады.  
Осылай,  машиналық  аударма  жүйелерін 
қолдану  кәсіби деңгейде  аударманы  автоматтан-
дыру үшін мүмкін емес.  
Кәсіби  аудармашылардың  жұмысын  авто-
маттандыру  үшін  компьютерлік  бағдарламалар-
дың  басқа  классы  қолданылады  -  CAT-жүйелері 
(Computer-Aided  Translation  –  автоматтандырыл-
ған  аударма).  Бұл  жүйелер  адамның  жұмысын 
жасамайды,  олар  тек  оның  жұмысын  жеңілдетіп, 
тездетеді.  
САТ-жүйелерінің  ең  қызықты  өкілдерінің 
бірі  – ТМ-жүйелері  болып  табылады  (ағылш.  тіл.  
Translation Memory – аудармалар жадысы). Олар 
аударманы жинақтаушылар ретінде белгілі. Оның 
аты  жұмыс  жасау  принципіне  негізделген  –  ком-
пьютер  кәсіптік  аудармашы  жасаған  аударманы 
есте  сақтайды,  сосын  ұқсас  сөз  тіркесі  кездес-
кенде  «дайын»  аударманың  бар  екендігін  хабар-
лайды.  
Бұл 
жерде 
мынаны 
ескеру 
қажет: 
компьютер 
өз 
бетінше 
аудару 
шешімін 
қабылдамайды.  Аудармашы  берілген  нұсқаны 
қабылдай  алады,  өзгерте  алыд  және  де  одан 
басқа өз нұсқасын ұсынуына болады. 
Әрине,  мұндай  жүйелердің  эффективтілігі 
жадыға  жинақталған  аудармалардың  көлеміне 
(егер  де  ол  болмаса  ешқандай  жылдамдық 
болмайды, 
себебі 
компьютер 
өзі 
ештеңе 
аудармайды),  аударылған  мәтіндердің  «ұқсасты-
ғына» тікелей байланысты [1]. 
Бүгінгі  күні  машиналық  аударма  жүйелерін 
өңдеушілерімен  теория  және  тәжірибе  облысын-
да  бәраз  жұмыс  жасалған.  Бірақ  сонымен  қатар, 
көптеген мәселелер әлі де шешілмеген. Осылай, 
машиналық  аударма  жүйелерінің  барлық  соңғы 
нұсқаларында  бастапқы  мәтін  бойынша  сөздер 
және  сөз  тіркестері  бойынша  аударма  эквива-
ленттерін  таңдау  мәселесі  қанағатсыз  шешілген. 

ЖАРАТЫЛЫС ҒЫЛЫМДАРЫ 
 
146
Осы  жерде  келесі  мәселені  көрсетуге  болады: 
сөздік аудармадан мәтіннің синтаксистік және се-
мантикалық  анализіне  өту  кезінде  туатын  қиын-
дықтар.  Бұл  мәселені  шешу  кезінде  ең  алдымен 
сөздік аудармаға назар аударылды, ал сөздердің 
полисемиясы  (көпмәнділік)  ол  сөздердің  синтак-
систік  және  семантикалық  белгісіне  көп  мән 
берілген.  Батыс  және  шығыс  тілдерінің  арасын-
дағы  машиналық  аударма  мәселелері  ашық  түр-
де  қалады,  себебі  олардың  семантика  және  син-
таксис арасындағы айырмашылық өте үлкен [2].  
Машиналық  аударма  келесі  түрде  дерілуі 
мүмкін:  
- автоматтық  жүйелер  көмегімен  адам 
жасаған аударма; 
- аудармашы  көмегімен  машина  жасаған 
аударма; 
- автоматталған (машиналық) аударма. 
Қазіргі  кезде  бар  машиналық  аударма  бағ-
дарламаларына  келесілер  кіреді:  сөздіктерді  ав-
томатты  түрде  өңдеу  (word  processor);  дұрыс 
жазбаны,  грамматиканы,  стильдік  өзгертулерді 
тексеру  жүйелері;  электронды  сөздіктер;  мәлі-
меттердің 
терминологиялық 
қоры; 
мәтіндік 
мәліметтердің  корпусы;  энциклопедиялар  және 
т.б.  
Терминологиялық  сөздіктердің  негізгі  қыз-
меттерінің  бірі  ретінде  терминдердің  аудармасы 
мен 
жазылу, 
колданылу 
заңдылықтарын 
көрсетуде  эталондық  көрсеткіш  ретінде  қызмет 
атқаруы  қажетті  екендігін  көрсетуге  болады.  Кез-
келген 
қолданыс 
түрінде 
осы 
бағытта 
басшылықка алынатын еңбек ретінде бағалануы, 
қызмет атқаруы және соған сәйкес жасалуы тиіс. 
Аталған  еңбектердегі  пікірлерді  негізге  ала 
отырып, 
терминографиялық 
жұмыстардың 
қандай 
қызметтерді 
жүзеге 
асыратындығын 
жинақы түрде тізіп көрсетуге  
болады: 
- терминдерді қолданушыға жеткізуші; 
-  терминдерді  реттеуші,  жүйелеуші,  үйлес-
тіруші; 
-  терминдер  туралы  және  онымен  байла-
нысты ақпараттарды беруші; 
Мұндай  мәтіндік  корпусты  құрастырудың 
негізгі  мақсаты  –  аса  көлемді  мәтін  корпусы  ар-
қылы 
айқын  контекст  бойынша  тілдік  деректерді 
тұлғалы етіп көрсету. Сонымен бірге бір рет қана 
жасалған  мәтіндік  корпусты  көптеген  лингвисти-
калық  мәселелерді  шешу  үшін  және  қажеттілікке 
қарай,  оны  сан  рет  пайдалана  беруге  мүмкіндік 
тудыру. 
Бүгінгі 
бар 
машиналық 
аудармалар 
негізінен үш түрмен шектеледі.  
Машиналық аударманың бірінші түріне сөз-
дік-бұрмаланған  аударманың  қарапайым  проце-
дуралары  жатады.  Онда  эквиваленттердің  таң-
далуы  болмайды,  және  шығу  кезінде  аударма 
жүйесі  сөздіктерде  бар  аударма  эквиваленттерін 
береді.  
Екінші  түрлі  модельдер  түрі  аударманың 
жоғары  түрін  көрсетеді  және  дұрыс  эквивалентті 
таңдау  үшін  және  бастапқы  мәтін  құрылымының 
мәтін  аудармасына  өңделуін  синтаксистік  және 
семантикалық  модельдер  комбинациясын  анық-
тайды. 
Екінші 
деңгейлі 
жүйелерге 
барлық 
«электронды аудармалар» жатады. Оларды тәжі-
рибелі аудармашымен салыстыруға болады.  
Үшінші  деңгейдегі  аудармаларды  модель-
деу жүйелері – бұл эквиваленттіліктің ең жоғарғы 
деңгейі;  мұнда  синтаксистік  және  семантикалық 
анализ  және  синтез  модельдері  қолдынылады, 
оған  қоса  мәтіннің  мәнінің  концептуалды  моделі. 
Өкінішке  орай,  үшінші  деңгейдің  моделі  тек 
эксперимент деңгейінде.  
Аударманың  жалпы  модельдерінен  басқа, 
жеке  модельдерді  де  дамыту  қажет,  олар  бөлек 
тілдік  жұптар  және  топтардың  байланыстарын 
зерттеуге негізделген [3]. 
Машиналық  аударма  үшін  сөздікті  модель-
деудің маңызы зор.  
Машиналық  аударманың  дамуының  бола-
шағы  ғылымның  кешендік  дамуына  және  ақпа-
раттық технологияларға тәуелді. 
Бүгінгі күні аударманың жүйелі қорлары ту-
ралы  нақты  көрінісінің  бар  болуы  –  әр  аударма-
шының  түрі  деп  айтуға  болады,  ал  олармен 
жұмыс  істей  алу  және  өңделген  аудармалардың 
бар болуы – кәсіптік аудармашыларға қажет.  
 
Әдебиеттер: 
1.  Харченко  П.  В.,  Двинский  А.  TRADOS  – 
современная 
система 
автоматизированного 
перевода. Л. 
2.  М.Ю.  Рябова  Информационные  техноло-
гии  в  образовании:  проблемы  машинного  пере-
вода.  
3.  М.Г.Мамедова,  З.Ю.  Мамедова  Машин-
ный  перевод:  эволюция  и  основные  аспекты  мо-
делирования.  
 
Аннотация 
В  данной  статье  рассматривается  вопрос  об  адекватности  перевода  в  современных 
словарях,  актуальность  разработки  автоматизированной  среды  для  переводчиков  и  тех,  кто 
самостоятельно изучает государственный язык. 
Resume 
In  this  summary  the  question  of  adequacy  of  translate  in  modern  dictionaries,  relevance  of 
development  of  the  automated  environment  for  translators  and  those  who  independently  studies  a  state 
language is considered.  
 
 

ЕСТЕСТВЕННЫЕ НАУКИ 
 
147
УДК  004.272 
 
A PROGRAMMING MODEL FOR GPU-BASED PARALLEL COMPUTING WITH 
SCALABILITY 
 
Нурмагамбетов  А.С. – преподаватель кафедры информатики и математики Костанайского 
государственного университета им. А. Байтурсынова  
Жарлыкасов  Б.Ж.  -  преподаватель  кафедры  информатики  и  математики  Костанайского 
государственного университета им. А. Байтурсынова 
Жунусканова  Ж.Н.  –  магистрант  кафедры  информатики  и  математики  Костанайского 
государственного университета им. А. Байтурсынова 
  
Summary 
In  this  article  possibilities  of  multilevel  model  of  programming  for  the  last  GPU  on  the  basis  of  high-
performance  computing  systems  are  described.  Use  of  cooperative  system  and  symmetric  multiprocessor 
model of the reading, providing computing structure which works through the scalable multiprocessor graphic 
environment for GPU cluster systems. 
Keywords: GPU, program, basis, CPU. 
 
Although  semiconductor  capability  increases 
at  about  the  same  rate  for  both  CPUs  and  GPUs 
driven  by  advances  in  fabrication  technology, 
computational  performance  of  GPUs  increases 
more  rapidly  than  that  of  CPUs.  With  many 
transistors  dedicated  to  instruction-level  parallelism 
using  branch  prediction  and  out-of-order  execution, 
CPUs are optimized for high performance sequential 
code  execution.  In  contrast,  graphics  computations 
with  rapid  data-parallel  characteristics  result  higher 
arithmetic  intensity  for  GPUs  with  the  same 
transistor  count.  GPUs  have  undergone  several 
stages  of  evolution  in  the  last  decade  including 
increasing 
raw 
speed, 
precision, 
and 
programmability. 
From  a  highly  graphics-related  fixed  point 
fixed-function  pipelines,  GPUs  rapidly  evolved 
through  the  era  of  dedicated  vertex  and  fragment 
programs  with  limited  SIMD  programming  features 
to  general  purpose  fully  programmable  stream 
processors  with  data  dependent  branching,  IEEE 
double  precision  data  type  support,  and  fulfilling 
areal 
Single 
Program 
Multiple 
Data(SPMD) 
programming model. 
Meanwhile,  various  programming  languages 
and  frameworks  have  emerged  supporting  high 
performance  data-parallel  computations  with  real 
scatter operations and thread cooperation getting rid 
of  former  limited  shared  memory  emulation  in  the 
texture  memory.  These  continuous  innovations,  the 
wide  deployment  of  GPUs,  and  the  attractive 
performance  per  price  ratio  resulted  increasing 
experimental  research  on  GPUs  which  have 
become  an  attractive  through-put  architecture  for 
high  performance  computing  computations  in 
various domains of science [1]. 
From 
the 
algorithmic 
point 
of 
view, 
computational  tasks  often  contain  exploitable 
concurrency  that  enables  different  parts  of  the 
problem  to  be  solved  simultaneously  by  multiple 
closely  coupled  processors  (parallel  computing). 
Usually,  high-speed  communication  channels  exist 
between  these  processing  elements  and  fast 
synchronization  is  also  possible.  This  allows 
compute-intensive  problems  to  be  solved  in  less 
time  and  also  might  enable  large  data-intensive 
problems  to  be  handled.  However,  when  memory 
resources  are  in-sufficient  to  store  the  model  of  a 
problem on a single device, the parallel program has 
to be further split up into loosely coupled in-stances 
that  require  only  a  limited  amount  of  interaction 
during  the  IR  execution  (distributed  computing). 
Commonly,  there  is  no  communication  medium 
between  these  devices  as  fast  as  there  is  within 
advice  and  there  is  no  adequate  solution  for  rapid 
synchronization. 
It  has  been  shown  by  many  researches  that 
GPUs  and  clusters  of  GPUs  can  be  successfully 
applied for these purposes; see NVIDIA web site for 
various  examples.  However,  when  writing  complex 
applications  or  software  library  stacks,  one  often 
faces issues of reusability, abstraction, or portability. 
On  the  other  hand,  the  underlying  computational 
efficiency  can  be  lost  by  defining  too  high  level, 
general, 
or 
excessively 
transparent 
GPU-
frameworks  [2].  There-fore,  we  have  investigated 
how  an  OpenCL  -  like  model  can  be  ex-tended  in 
two  dimensions  without  losing  the  computational 
horsepower:  in  the  levels  of  scalability  from  a 
streaming  device  through  an  SMP  computer  to  a 
cluster;  and  in  the  layers  of  abstraction  from  the 
hardware  level  through  mapping  the  execution  to 
the hardware to projecting the problem space to the 
execution. 

жүктеу/скачать 6,13 Mb.

Достарыңызбен бөлісу: