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: 16.08.2025
Nr.
n.BA.AD.OHPC.24HS
Bezeichnung
Optimisation and High Performance Computing
Credits
4

Beschreibung

Version: 2.0 gültig ab 01.08.2025

 

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 Probleme analysieren und parameterisierte Algorithmen entwerfen.
  • können verschiedene Methoden anwenden, um Optimierungsprobleme zu lösen.
  • 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).
  • Hochdimensionale Probleme.
  • Datengetriebene Optimierung.
  • Hyperparameter-Optimierung.
  • Stochastiche Methoden (z.B. Simulated Annealing).
 
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 

Die Abschlussnote (Erfahrungsnote 100%) wird folgendermassen zusammengesetzt:

  • 50%: Klausur, schriftlich auf Papier, vor Ort Anfang November über die bis dahin behandelten Themen.
  • 50%: Projekt in Teamarbeit (Gruppen), Aufgabenstellung wird Mitte November erteilt. Lieferobjekte sind ein schriftlicher Report und der entstandene Quellcode nebst dazugehörenden Scripts etc.

Unterrichtssprache 

Englisch

Bemerkungen 

-

 

Hinweis

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

Hinweis

  • Für das Stichdatum 16.08.2025 ist kein Modulbeschreibungstext im System verfügbar.