Parallel Computing

Worum geht's

Du lernst Grundlagen und Praktiken des parallelen Rechnens auf Mehrkern‑CPUs, GPUs und in verteilten Systemen. Am Ende kannst du Leistungsbegrenzungen einschätzen, Algorithmen parallel entwerfen und implementieren (OpenMP, CUDA/HIP/SYCL, MPI/PGAS) sowie Performance mithilfe von Modellen wie Roofline analysieren.

Was du danach kannst

• Gustafson’s Law, Amdahl’s Law und Dennard Scaling verstehen und anwenden
• ein Roofline‑Modell erstellen und die Performance eines Algorithmus darin bewerten
• mit verteilten und geteilten Speicherarchitekturen arbeiten
• Speedup, Effizienz sowie starke und schwache Skalierung anwenden
• parallele Algorithmen mit OpenMP implementieren
• parallele Algorithmen für GPUs (CUDA/HIP/SYCL) implementieren
• Verteilte Speicher‑Konzepte wie MPI/PGAS verstehen und anwenden

Aus was das Modul besteht

• VorlesungPräsentation der Konzepte und Fachvorträge
• Interaktive ÜbungenAnwendung der Konzepte an praktischen Beispielen
• Hausaufgabenfünf umfangreiche Aufgaben zur selbstständigen Vertiefung
• Projektarbeitindividuelles Projekt zur Anwendung und Vertiefung des Gelernten mit schriftlicher Ausarbeitung und Präsentation

Lehrmethode

• ProfessorvortragVermittlung von Konzepten und Theorie
• Hands‑on Übungenpraktische Anwendung der Konzepte an realen Problemen
• Projektbasiertes Lerneneigene Projekte zur Vertiefung und Anwendung der Lehrinhalte
• Hausaufgabenselbstständige Lösung anspruchsvoller Fragen und anschließende Präsentation