資料探勘、分析和資料庫
資料庫已是今日企業的重要工具。搜尋資料庫並找出有用的資訊已成為運算的重大挑戰。來自學術界和Microsoft, Oracle, SAP，以及許多其他企業的研究人員正在尋找可支援CUDA的GPU，以獲得可擴充的解決方案。
專攻資料探勘、分析和資料庫之獨立軟體開發商(ISV)及採用CUDA的應用程式
| 獨立軟體供應商(ISV) | 說明 | GPU 優勢 |
| MathWorks MATLAB | 數據平行數學 (MATLAB PCT, MDCS) | 速度大幅提昇，可增加學生、科學家和工程師的生產力。 |
| Jedox Palo | 利用線上分析處理資料庫(OLAP)擴充Excel以執行規劃和分析 | 速度加快二十至四十倍：將決策所需時間由數天縮短至數小時。 |
| ParStream | 利用GPU加速資料庫和數據分析 | 速度提昇十倍或更快：數秒內便能搜尋數十億筆的記錄 |
| Fuzzy Logix公司的Tanay Data Analytics | 資料庫內分析引擎 | 利用GPU加速金融模擬、數據探勘，以及統計方法 |
| GPU-Quicksort | 高度最佳化Quicksort演算法 | 速度加快十倍：可在不到半秒的時間內分類1600萬個浮點數 |
| AccelerEyes Jacket for MATLAB | 利用Jacket無縫加速MATLAB | 針對某些特定應用，速度可加快一百倍 |
| Wolfram Mathematica | 符號運算分析 (Mathematica) | 大幅提昇各種應用程式的效能，包括線性代數、影像處理、金融模擬，以及傅利葉轉換。 |
| GPU-LIBSVM | 實現libSVM / 支撐向量的不同方法 | 較libSVM加快10至100倍 |
| cuSVM | 利用GPU進行分類和返回 | |
| MultiSVM |
利用CUDA的其他數據分析軟體
- GPUMiner:在NVIDIA GPU上進行的平行資料探勘，作者為來自香港科技大學及微軟的Fang等人
- Cmatch:在GPU上執行的快速精準串匹配，作者為來自馬里蘭大學的Schatz, Trapnel
- 針對R所打造的R+GPU套件，這是一套專為統計分析設計的熱門開放原始碼解決方案
- 資料庫
- IEEE Spectrum 文章 : “為何繪圖處理器將徹底改變數據處理”,作者為來自Oracle公司的Blas和Kladeway。
- GPUQP: 採用GPU進行詢問協同處理
- 在視訊卡上執行平行搜尋，作者為來自Oracle公司的Kaldeway, Hagen, Blas, Sedlar
- Microsoft SQL中的龐大文本數據類型
- 採用CUDA調整PostgreSQL
- 商業資料庫中的硬體加速：空間運作的個案研究，作者為Bandi等人
- 資料探勘、分析
- GPU加速的大規模分析，作者為來自HP實驗室的Wu, Zhang, Hsu
- 在具有CUDA的市售GPU上執行K-Means
- 利用繪圖卡處理器技術於SAP NetWeaver BIA, Weyerhaeuser (SAP), Mindnich (SAP), Farber (SAP), Lehner (TU Dresden)加快資料探勘的速度。
- 在GPU上進行時態資料探勘所需的演算法變化，作者為來自Virginia Tech的Sean Ponce。
- 利用加速繪圖處理器執行高效率的K-Means叢集分析
- 利用GPU加速的文本探勘分析
- CUDA中的直方圖計算
- 在GPU上實現資料探勘分析應用程式的編譯器和運時系統
- 利用GPU進行排序
- 針對多核心GPU設計高效率排序演算法
- GPU快速排序資料庫
- 利用複合演算法執行快速平行GPU排序
- 利用CUDA執行的快速且靈活的排序演算法
- 利用具有CUDA的Bltonic netwoRK執行排序
- GPU樣本排序
- GPUTeraSort: 針對大型資料庫管理的高效能繪圖處理器
- Map-Reduce / Hadoop