Wierk - Wydział Informatyki, Elektroniczne Ramy Kwalifikacji

Wydział Informatyki
Kierunek studiów	Data Science							Poziom i forma studiów	pierwszego stopnia inżynierskie stacjonarne
Specjalność / Ścieżka dyplomowania	---							Profil kształcenia	ogólnoakademicki
Nazwa przedmiotu	Obliczenia równoległe							Kod przedmiotu	DS1S5OBR
								Rodzaj przedmiotu	obowiązkowy
Forma zajęć i liczba godzin	W	Ć	L	P	Ps	T	S	Semestr	5
	30				30			Punkty ECTS	4
Przedmioty wprowadzające	Język programowania - obieralny (-), MLOps w technologiach AI (DS1S3MLO), Programowanie obiektowe (DS1S2POB), Uczenie maszynowe 2 (DS1S4UM2),
Cele przedmiotu	Przekazanie wiedzy z zakresu programowania równoległego . Rozwój praktycznych umiejętności implementacji i optymalizacji rozwiązań równoległych. Odniesienia do frameworka edukacyjnego mikrokompetencji SFIA - Programming/Software Development (PROG) - poziom 4: projektowanie i implementacja wydajnych algorytmów równoległych - Technical Specialism (TECH) - poziom 4: optymalizacja wydajności obliczeń na GPU i systemów wielowątkowych - High Performance Computing (HPCC) - poziom 3: wykorzystanie klastrów obliczeniowych i systemów rozproszonych
Treści programowe	Kompleksowe wprowadzenie do technik przetwarzania równoległego. Fundamenty architektur równoległych oraz modeli programowania. Programowanie systemów rozproszonych przy pomocy MPI oraz systemów wielordzeniowych przy pomocy OpenMP. Podstawowe algorytmy równoległe. Wstęp do programowania GPU w technologii CUDA. Wykład: 1. Wprowadzenie 2. Architektury systemów równoległych 3. Komunikacja punkt do punktu w standardzie MPI 4. Nietrywialny przykład MPI - zbiór Mandelbrodta 5. Operacje kolektywane w MPI 6. Podsumowanie MPI 7. Nowe funkcje w MPI 3 i MPI 4 8. Wprowadzenie do OpenMP: zrównoleglanie pętli 9. Synchronizacja w OpenMP 10. Mechanizm zadań w OpenMP 11. Podstawowe algorytmy równoległe: sortowanie, obliczenia macierzowe 12. Metody projektowania i analizy skalowalności algorytmów równoległych 13. Wprowadzenie do CUDA. Organizacja wątków w gridy i bloki 14. Optymalizacja kerneli CUDA – pamięć wspólna 15. Zaliczenie wykładu Pracownia specjalistyczna: 1. Organizaja pracowni 2. Prosty przykład MPI - program typu pingpong 3. Prosty przykład MPI - program typu pingpong 4. Zaawansowany projekt z MPI 5. Zaawansowany projekt z MPI 6. Zaawansowany projekt z MPI 7. Zaawansowany projekt z MPI 8. Projekt z OpenMP 9. Projekt z OpenMP 10. Projekt z OpenMP 11. Projekt z OpenMP 12. Projekt z CUDA 13. Projekt z CUDA 14. Projekt z CUDA 15. Ocena projektów i zaliczenie przedmiotu
Metody dydaktyczne	praca w grupach, metoda projektów, wykład informacyjny,
Forma zaliczenia	Wykład: zaliczenie pisemne z pytaniami otwartymi Pracownia specjalistyczna: realizacja zadań indywidualnych; opracowanie zadań projektowych realizowanych w grupach
Symbol efektu uczenia się	Zakładane efekty uczenia się								Odniesienie do kierunkowych efektów uczenia się
EU1	metody i techniki programowania równoległego w kontekście ML/AI, w tym modele programowania równoległego oraz różnice między przetwarzaniem rozproszonym a wielowątkowym								DS1_W03 DS1_W20
EU2	architekturę i specyfikę obliczeń GPU, w tym organizację wątków, pamięć współdzieloną oraz ich zastosowania w optymalizacji obliczeń AI								DS1_W04
EU3	metody optymalizacji systemów równoległych, obejmujące analizy wydajności, zarządzanie zasobami oraz strategie skalowania algorytmów								DS1_W08 DS1_W21
EU4	implementować równoległe systemy ML/AI, korzystając z technologii takich jak MPI, OpenMP i CUDA, oraz analizować ich wydajność								DS1_U04 DS1_U06
EU5	optymalizować wydajność obliczeń równoległych, identyfikując wąskie gardła oraz stosując zaawansowane techniki równoległości								DS1_U16
EU6	projektować skalowalne systemy distributed ML, wykorzystując rozproszone frameworki oraz techniki model parallelism i data parallelism								DS1_U21
EU7	programować i optymalizować aplikacje działające na systemach wielordzeniowych oraz rozproszonych, dostosowując algorytmy do specyficznych architektur sprzętowych								DS1_U05
EU8	świadomego i odpowiedzialnego stosowania metod obliczeń równoległych, uwzględniając ich wpływ na efektywność przetwarzania danych, bezpieczeństwo systemów oraz aspekty etyczne związane z wykorzystaniem AI								DS1_K01 DS1_K05
Symbol efektu uczenia się	Sposób weryfikacji efektu uczenia się								Forma zajęć na której zachodzi weryfikacja
EU1	zaliczenie opisowe i testowe								W
EU2	zaliczenie opisowe i testowe								W
EU3	zaliczenie opisowe i testowe								W
EU4	ocena rozwiązywanych zadań problemowych, ocena projektu								Ps
EU5	ocena rozwiązywanych zadań problemowych, ocena projektu								Ps
EU6	ocena rozwiązywanych zadań problemowych, ocena projektu								Ps
EU7	ocena rozwiązywanych zadań problemowych, ocena projektu								Ps
EU8	ocena rozwiązywanych zadań problemowych, ocena projektu								Ps
Bilans nakładu pracy studenta (w godzinach)									Liczba godz.
Wyliczenie
	1 - udziałem w wykładach								30
	2 - udziałem w innych formach zajęć								30
	3 - indywidualnym wsparciem merytorycznym procesu uczenia się, udziałem w zaliczeniach organizowanych poza planem zajęć								4
	4 - przygotowaniem do zaliczenia wykładu								15
	5 - przygotowaniem do bieżących zajęć								21
RAZEM:									100
Wskaźniki ilościowe									GODZINY	ECTS
Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela									64 (1)+(2)+(3)	2.6
Nakład pracy studenta związany z zajęciami o charakterze praktycznym									51 (2)+(5)	2.0
Literatura podstawowa	1. Z. Czech, Wprowadzenie do obliczeń równoległych, Wydaw. Naukowe PWN, 2013 2. Y. Zamora, R. Robey, Parallel and High Performance Computing, Manning Publications, 2021 3. B. Schmidt, J. Álvaro Gonzalez-Martinez, C. Hundt, M. Schlarb, Parallel Programming, Morgan Kaufmann, 2017 4. N. Matloff, Parallel Computing for Data Science, CRC Press, 2015
Literatura uzupełniająca	1.J. Flux, GPU Mastery Series: Unlocking CUDA's Power using pyCUDA series,‎ Independently published, 2024 2. D. B. Kirk, W. W. Hwu, Programming massively parallel processors: a hands-on approach, 3rd edition, Elsevier/Morgan Kaufmann, 2017
Jednostka realizująca	Wydział Informatyki								Data opracowania programu
Program opracował(a)	dr inż. Krzysztof Jurczuk,dr hab. inż. Wojciech Kwedlo,dr inż. Daniel Reska								2025.06.02