EventoWeb
Zürcher Hochschule für Angewandte Wissenschaften
Menu Home User Menu
Nicht angemeldet Anmelden
[ Deutsch (Schweiz) ]   [ Englisch Englisch ]
[ de ]   [ en en ]
Nicht angemeldet Anmelden
n.BA.AD.OHPC.24HS (Optimisation and High Performance Computing) 
Modul: Optimisation and High Performance Computing
Diese Information wurde generiert am: 23.11.2024
Nr.
n.BA.AD.OHPC.24HS
Bezeichnung
Optimisation and High Performance Computing
Credits
4

Beschreibung

Version: 1.0 gültig ab 01.08.2024

 

Studiengang  Applied Digital Life Sciences
Geltende Rechtsordnung  RPO vom 29. Januar 2008, Studienordnung des Dept. N vom 15. Dez. 2009, Anhang für den Bachelorstudiengang Applied Digital Life Sciences
Modultyp   
X Pflichtmodul   Wahlpflichtmodul   Wahlmodul
Plansemester  5. Semester
Modulverantwortliche/r  Simone Ulzega
Telefon / E-Mail  +41 (0)58 934 54 75 / simone.ulzega@zhaw.ch
Beteiligte Mitarbeitende und Lehrbeauftragte  Simone Ulzega, Pascal Häussler, Stefan Weber
Vorausgesetzte Module  Programmieren, Numerische Grundlagen der Data Sciences
Zu erreichende Kompetenzen  Fachliche Kompetenzen:
Die Studierenden
  • haben einen Überblick und ein grundlegendes Verständnis der relevanten Themen und grundlegenden Konzepte im Bereich der Optimierungsmethoden.
  • können parameterisierte Algorithmen entwerfen und analysieren.
  • können stochastische Methoden zur Lösung von Optimierungsproblemen verwenden.
  • verstehen die grundlegende Struktur und die Funktionalitäten eines High Performance Computing-Clusters.
  • verstehen grundlegende HPC-bezogene Konzepte wie gemeinsamen und verteilten Speicher.
  • können Software für HPC-Anwendungen entwerfen.
 
Überfachliche Kompetenzen:
Die Studierenden sind in der Lage:
  • Probleme zu beschreiben und zu analysieren.
  • Parallelisierungsmöglichkeiten zu bewerten und relevante Methoden anzuwenden.
Inhalt des Moduls Optimierungsmethoden
  • Formulierung eines Optimierungsproblems: Ziel-Funktion, Variablen, Einschränkungen.
  • Methoden erster und zweiter Ordnung (z.B. Gradientenabstieg, Newton-Verfahren).
  • Lineare Optimierung (Simplex-Algorithmus).
  • Hyperparameter-Optimierung in Machine Learning.
 
Hochleistungsrechnen (HPC)
  • Konzeptuelles Verständnis von HPC: Cluster, Anwendungen, Möglichkeiten, Vielfalt, faire Ressourcennutzung.
  • Arbeiten mit dem Earth Cluster: Betriebsverfahren, Workload-Management (SLURM), Module, Installation und Nutzung von Software in HPC-Umgebungen, Ressourcenplanung.
  • Software-Design für HPC: Design-Patterns, Parallelisierung, Ein-/Ausgabemuster und Datenzugriff/-struktur.
  • Parallelisierung von gemeinsamem und verteiltem Speicher; Hybrider Ansatz; Parallelisierung von GPU.
Anschlussmodule -
Unterrichtsmethoden  Vorlesung, Übungen
Digitale Lernressourcen  Moodle, Earth Cluster
Unterrichtsgliederung / Gesamtaufwand   
 Kontaktstudium 28
 Begleitetes Selbststudium 28
 Autonomes Selbststudium 64
 Total Workload 120
Präsenzverpflichtung im Unterricht  Präsenz wird stark empfohlen, aber nicht mit Präsenzliste durchgesetzt.
Leistungsnachweise  Erfahrungsnote 100%

Die Abschlussnote wird aus dem Abschlussprojekt abgeleitet. Wir erwarten, dass die Studierenden einen schriftlichen Bericht über das Projekt einreichen und die Ergebnisse während einer Abschlusspräsentation vorstellen, bei der ihr Verständnis des Themas bewertet wird.
Unterrichtssprache  Englisch
Bemerkungen  -

 

Kurs: Optimisation and High Performance Computing
Nr.
n.BA.AD.OHPC.24HS.V
Bezeichnung
Optimisation and High Performance Computing

Hinweis

  • Für das Stichdatum 23.11.2024 ist kein Modulbeschreibungstext im System verfügbar.