Algoritmos y Computación de Alto Rendimiento
Volver a Cursos
Algoritmos y Computación de Alto Rendimiento - Código 29451
Carlos Jaime Barrios Hernandez, PhD. - (c b a r r i o s (@) u i s . e d u . c o )
Asistencia Técnica-Teórica:. Equipo SC3UIS
Contents
PRESENTACION DEL CURSO
El desarrollo de algoritmos computacionales para soportar tanto análisis de datos como simulaciones de fenómenos físicos (diseñados, reproducidos en laboratorio, observados o propuestos) es importante para garantizar precisamente la calidad, realismo, confianza y reproductibilidad del conocimiento generado. Dichos algoritmos, que surgen de modelos previamente concebidos se convertirán en códigos que componen programas de computación que serán ejecutados en máquinas computacionales. El rendimiento obtenido y las capacidades, dependen igualmente del algoritmo pero no hay que olvidar que de las características arquitecturales de la máquina computacional utilizada.
Precisamente, este curso (teórico-práctico) busca fundamentar el desarrollo de algortimos y su implementación en lenguajes de programación que permitan el desarrollo de códigos para atacar un problema físico, ejecutar ese código y obtener el máximo desempeño y confianza. Teniendo en cuenta la diversidad de arquitecturas computacionales que permiten seleccionar que tipo de plataforma se necesita para atacar un problema, igualmente es necesario conocer diferentes aspectos arquitecturales tecnológicos y espacios de desarrollo que permiten la colaboración y la reproductibilidad.
Contenido ( No en un orden estricto, Después de Encuesta con los Estudiantes)
- Introducción a la Computación Científica
- Fundamentos para el Análisis y Diseño de Algoritmos
- Principios Básicos de Representación
- Análisis de Complejidad
- Programación de Algoritmos Científicos cn C/C++ : Una Introducción
- Principios Básicos
- Buenas Prácticas de Desarrollo
- Compilación Ejecución Eficiente y Optimización
- Debugging, Profiling and Tracing.
- Sistemas, Plataformas y Ambientes de Desarrollo y Ejecución
- Aquitecturas computacionales para investigación (y desarrollo científico)
- Infrastructuras
- Repositorios (GitHub/GitLab) y Ambientes Colaborativos
- Sistemas Operativos (Linux)
- Interacción y Plataformas de Gran Escala
- Aquitecturas computacionales para investigación (y desarrollo científico)
- Cómputo Científico Paralelo
- Concurrencia y Paralelismo
- Paradigmas de Programación Paralela
- Memoria Compartida con OpenMP
- Memoria Distribuida con MPI
- Memoria Hibrida con OpenACC (Y un poco de CUDA)
- Otras Posibilidades
- Paralelismo Cuántico : Una introducción
- Librerias, Solucionadores y Más
Evaluación
Evaluaciones programadas para el 2do Semestre de 2021
La evaluación planteada, busca promover el trabajo colaborativo, por equipos que se conforman de acuerdo a la afinidad e interés en una temática específica de la física. Y en ese trabajo se tendrán en cuenta los siguientes aspectos
- 20% Diseño y Análisis de Algoritmo a Realizar
(Diciembre 7 2021)Viernes 21 de enero de 2022.* - 20%: Implementación y Solución
- 20%: Análisis y Evaluación de Rendimiento
- 20%: Presentación de la propuesta como un póster digital (Marzo 8 2022)**
- 20%: Trabajos Prácticos en Clase
Bonus: Participación en seminarios y eventos libres propuestos por el profesor en el transcurso del curso.
* La entrega la realizaran en un documento que enviarán al correo del profesor, en *.pdf de máximo 8 (ocho) páginas (que incluye todo, incluyendo figuras, resumen, bibliografía, tablas y gráficas), el tamaño de la letra en 10 puntos cualquier tipo de fuente, en español a manera de borrador de artículo científico en español que contendrá, la estructura común de un articulo científico:
- TITULO (Un título dado por cada grupo, que genere interés en la lectura del mismo)
- Nombres de los integrantes (incluir el ORCID y correo electrónico)
- Resumen en español de máximo diez lineas
- Contenido del mismo explicando lo solicitado para la entrega (en el contenido deben estar las tablas, figuras y gráficas)
- Conclusión (acerca por ejemplo, de la complejidad del algoritmo propuesto, o del problema, una conclusión dada por ustedes)
- Bibliografía y fuentes de información.
**Los puntos 2 y 3 deben estar contenidos en la presentación del poster digital y en un repositorio github/gitlab (código de la solución y visualizaciones posibles)
Bibliografía y Fuentes de Información
- Elements of Parallel Computing, Eric Aubanel (Chapman & Hall/CRC)
- Essentials of Computer Architecture, D. Comer (CRC Press)
- High Performance Embedded Computing: Applications in Cyber-Physical systems and Mobile Computing, M. Wolf (Morgan Kaufmann)
- The Fourth Paradigm: Data-Intensive Scientific Discovery
- Designing and Building Parallel Programs, by Ian Foster
- Patterns for Parallel Programming, by Timothy G. Mattson, Beverly A. Sanders and Berna L. Massingill. Software Patterns Series, Addison Wesley Ed., USA. 2009
- Patterns for Parallel Software Design, Jorge Luis Ortega-Arjona (Wiley)
- Structured Parallel Programming: Patterns for Efficient Computation, M. McCool, A. D. Robison and J. Reinders (Morgan Kaufmann)
- The Art of Concurrency “A thread Monkey’s Guide to Writing Parallel Applications”, by Clay Breshears (Ed. O Reilly, 2009)
- Parallel Scientific Computing in C++ and MPI « A Seamless Approach to Parallel Algorithms and Their Implementation », Karniadakis and Kirby II (Cambridge Press)
- Parallel And Distributed Computation Numerical Methods, D. P. Bertsekas and J. N. Tsitsiklis (Prentice Hall)
- An Introduction to High Performance Scientific Computing, Scientific and Engineering Computation Series, Ll. D. Fosdick, E. R. Jessup, C. J. C. Schauble and G. Dmik (MIT Press)
- The Algorithms Design Manual, S. S. Skiena ( Springer)
- Algorithms Sequential and Parallel « A Unified Approach » Miller and Boxer (Computing Engineering Series)
- Parallel Algorithms, Cassanova, Legrand and Robert (Chapman and Hall/CRC)
- Fundamentals of Multicore Software Development, Ed. Victor Pankratius, Ali-Reza Adl-Tabatabai and Walter Tichy (CRC Press)
- Introduction to HPC with MPI for Data Science, Frank Nielsen (Springer)
- Programming Massively Parallel Processors « A Hands-on Approach » , Kirk and Hwu (Nvidia/Morgan Kaufmann)
- CUDA Application Design and Development, Rob Farber (Nvidia/Morgan Kaufmann)
- Introduction to High Performance Computing for Scientists and Engineers, Hager and Wellein (Chapman and Hall/CRC)
- Sourcebook of Parallel Computing , Dongarra, Foster, Fox, Groop, Kennedy, Torczon and White (Morgan Kaufmann)
- CUDA Programming: A Developer's Guide to Parallel Computing with GPUs, S. Cook (Morgan Kaufmann)
- The CUDA Handbook: A Comprehensive Guide to GPU Programming, N. Wilt (Addison-Wesley)
- CUDA by Example « An Introduction to General-Purpose GPU Programming » Sanders and Kandrot (Nvidia/Addison Wesley)
- CUDA Fortran for Scientists and Engineers: Best Practices for Efficient CUDA Fortran Programming, G. Ruetsch and M. Fatica (Morgan Kaufmann/PGI/Nvidia)
- HPC@Green IT: Green High Performance Computing Methods, R. Gruber and V. Keller (Springer)
- OpenACC for Programmers: Concepts and Strategies, S. Chandraserkaran and G. Juckeland (Addison-Wesley)
- OpenACC: Parallel Programming with OpenACC, Edited by Rob Farber (Morgan Kaufmann)
- High Performance Parallelism Pearls: Multicore and Many-core Programming Approaches, J. Reinders and J. Jeffers (Morgan Kaufmann)
- OpenMP
- OpenACC
- NVIDIA
- SC3
- RICAP
- Computing.llnl.gov
- SC-Camp
Material del Curso (Presentaciones, Códigos y más)
- Introducción al Curso
- Fundamentos de Algoritmos
- Principios de Análisis de Algoritmos: Notación y Términos de Base
- Arquitectura de Computadores y Sistemas: Una Introducción
- Primeros Pasos en Programación
- Primeros Pasos en Programación - Parte 2
- Introducción a la Computación Paralela
- Programación de Memoria Compartida con OpenMP
- Programación de Memoria Distribuída con MPI
- Introducción a la Computación Hibrida / Acelerada con GPUs
- Introducción a la Computación Hibrida: OpenMP + MPI
