ITA | ENG
B024314 - PARALLEL COMPUTING
Principali informazioni
Lingua Insegnamento
Libri di testo consigliati
Obiettivi Formativi
Prerequisiti
Metodi Didattici
Modalità di verifica apprendimento
Programma del corso
Anno Accademico 2017-18
Coorte 2017 - Laurea Magistrale in INGEGNERIA INFORMATICA
Anno di corso
Primo Anno - Primo Semestre
Dipartimento di Afferenza
Ingegneria dell'Informazione
Tipo insegnamento
Attività formativa monodisciplinare
Settore Scientifico disciplinare
ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
Crediti Formativi
6
Ore Didattica
48
Periodo didattico
18/09/2017 ⇒ 22/12/2017
Frequenza Obbligatoria
No
Tipo Valutazione
Voto Finale
Programma del corso
mostra
Docenza
Mutuazione
Insegnamento mutuato da:
B024313 - PARALLEL COMPUTING
Laurea Magistrale in INGEGNERIA INFORMATICA
B024313 - PARALLEL COMPUTING
Laurea Magistrale in INGEGNERIA INFORMATICA
Lingua Insegnamento
Lucidi in inglese.
Lezione in italiano.
Lezione in italiano.
Libri di testo consigliati (Cerca nel catalogo della biblioteca)
- Principles of Parallel Programming, Calvin Lyn and Lawrence Snyder, Pearson
- Parallel Programming for Multicore and Cluster Systems, Thomas Dauber and Gudula Rünger, Springer
- Programming Massively Parallel Processors, David B. Kirk and Wen-mei W. Hwu, Morgan Kaufmann
- An introduction to Parallel Programming, Peter Pacheco, Morgan Kaufmann
- Parallel Programming for Multicore and Cluster Systems, Thomas Dauber and Gudula Rünger, Springer
- Programming Massively Parallel Processors, David B. Kirk and Wen-mei W. Hwu, Morgan Kaufmann
- An introduction to Parallel Programming, Peter Pacheco, Morgan Kaufmann
Obiettivi Formativi
Scopo del corso è introdurre gli studenti alle tecniche di programmazione parallela e ad alta performance.
Al termine del corso lo studente possiede le basi fondamentali di programmazione parallela per sistemi multicore, cluster e GPGPU, conosce inoltre i principali paradigmi di programmazione parallela e gli ambienti di programmazione standard Java, C++11, Pthreads, OpenMP, MPI e CUDA.
Al termine del corso lo studente possiede le basi fondamentali di programmazione parallela per sistemi multicore, cluster e GPGPU, conosce inoltre i principali paradigmi di programmazione parallela e gli ambienti di programmazione standard Java, C++11, Pthreads, OpenMP, MPI e CUDA.
Prerequisiti
Conoscenze di base di C/C++ e Java.
Metodi Didattici
Lezioni frontali (80%) e attività di laboratorio (20%)
Modalità di verifica apprendimento
- Progetto di sviluppo software durante il corso (40% del voto finale)
- Progetto di sviluppo software finale (60% del voto finale)
Per ogni progetto deve essere scritta una relazione tecnica ed una presentazione che descrive il lavoro e riporta la performance rispetto ad una versione sequenziale del progetto.
Gli elaborati sono scelti dagli studenti da una lista proposta dal docente. Possono essere svolti singolarmente o in coppia.
L'elaborato è mirato a dimostrare le capacità di:
- Saper implementare un software parallelo usando uno (corso a 6 crediti) o due (corso a 9 crediti) dei framework e strumenti visti a lezione
- Saper valutare gli effetti e differenze della programmazione parallela rispetto a quella sequenziale
- Saper misurare la performance di un programma parallelo rispetto ad uno sequenziale
- Saper scrivere una relazione tecnica ed effettuare una presentazione tecnica.
- Progetto di sviluppo software finale (60% del voto finale)
Per ogni progetto deve essere scritta una relazione tecnica ed una presentazione che descrive il lavoro e riporta la performance rispetto ad una versione sequenziale del progetto.
Gli elaborati sono scelti dagli studenti da una lista proposta dal docente. Possono essere svolti singolarmente o in coppia.
L'elaborato è mirato a dimostrare le capacità di:
- Saper implementare un software parallelo usando uno (corso a 6 crediti) o due (corso a 9 crediti) dei framework e strumenti visti a lezione
- Saper valutare gli effetti e differenze della programmazione parallela rispetto a quella sequenziale
- Saper misurare la performance di un programma parallelo rispetto ad uno sequenziale
- Saper scrivere una relazione tecnica ed effettuare una presentazione tecnica.
Programma del corso
Livelli di parallelismo (istruzioni, transazioni, task, thread, memoria.)
Modelli di parallelismo (SIMD, MIMD, SPMD)
CPU e architetture parallele
Design Pattern per Programmazione concorrente (Master/Worker; Message passing)
Parallelization strategies, task parallelism, data parallelism, e work sharing
Programmazione parallela in C/C++ (C++11)/Java
Strutture dati concorrenti
Multi-core processor programming
Shared memory parallelism; OpenMP
Multithreading
Distributed network programming
Distributed memory model; MPI
Hadoop; Apache Storm e Lambda architecture
Overview GPGPU, Hardware GPU
CUDA; compilatore CUDA e strumenti
La memoria nella GPU e suo accesso
Stream e multi-GPU
Utilizzo librerie CUDA
Modelli di parallelismo (SIMD, MIMD, SPMD)
CPU e architetture parallele
Design Pattern per Programmazione concorrente (Master/Worker; Message passing)
Parallelization strategies, task parallelism, data parallelism, e work sharing
Programmazione parallela in C/C++ (C++11)/Java
Strutture dati concorrenti
Multi-core processor programming
Shared memory parallelism; OpenMP
Multithreading
Distributed network programming
Distributed memory model; MPI
Hadoop; Apache Storm e Lambda architecture
Overview GPGPU, Hardware GPU
CUDA; compilatore CUDA e strumenti
La memoria nella GPU e suo accesso
Stream e multi-GPU
Utilizzo librerie CUDA