Programowanie równoległe i rozproszone

Programowanie równoległe i rozproszone

W świecie analizy ogromnej ilości danych, intensywnych obliczeń modelowych i systemów przetwarzających sygnały w czasie rzeczywistym – wydajność ma znaczenie kluczowe. Ten kurs pozwoli Ci wejść na poziom obliczeń, gdzie tradycyjne wykonywanie programów przestaje wystarczać, a zaczyna liczyć się optymalizacja, równoległość i skalowalność.

Poznasz technologie i paradygmaty stosowane w architekturach wielordzeniowych, klastrach obliczeniowych, superkomputerach oraz środowiskach chmurowych. Nauczysz się świadomie wykorzystywać GPU, jednostki wektorowe AVX oraz modele współbieżności umożliwiające znaczące skrócenie czasu analizy danych, symulacji i rekonstrukcji sygnałów.

Podczas zajęć:

• przeanalizujesz modele równoległości i rozproszenia (OpenMP, MPI, CUDA, OpenACC),

• zrozumiesz zasady synchronizacji, komunikacji i współdzielenia zasobów,

• przećwiczysz optymalizację wydajności (Amdahl, Gustafson–Barsis, skalowalność),

• nauczysz się projektować i testować aplikacje działające w środowiskach HPC i gridowych.

Efekty uczenia się 

Wiedza – zrozumiesz:

• jak działają architektury wielordzeniowe, klastrowe i akcelerowane GPU,

• w jaki sposób rozproszenie obliczeń redukuje czas analizy i symulacji,

• zasady wektoryzacji, współbieżności, synchronizacji i zarządzania pamięcią,

• modele programowania dla HPC i chmur (MPI, OpenMP, CUDA, RPC).

Umiejętności – nauczysz się:

• optymalizować kod pod kątem wydajności i skalowalności,

• oceniać, kiedy zyska się na równoległości, a kiedy na rozproszeniu lub wektoryzacji,

• projektować algorytmy obliczeń synchronicznych i asynchronicznych,

• wdrażać rozwiązania wykorzystujące GPU, akceleratory i przetwarzanie strumieniowe.

Kompetencje społeczne – rozwiniesz:

• świadomość wpływu nowoczesnych technologii obliczeniowych na rozwój analityki biomedycznej,

• odpowiedzialność za dobór narzędzi obliczeniowych i ich wpływ na wiarygodność oraz czas przetwarzania danych,

• gotowość do współpracy w zespołach projektowych realizujących analizy w środowiskach HPC, klastrach i chmurach.