htw saar QR-encoded URL
Zurück zur Hauptseite Version des Moduls auswählen:
Lernziele hervorheben XML-Code

Einführung in die parallele Programmierung mit CUDA

Modulbezeichnung:
Bezeichnung des Moduls innerhalb des Studiengangs. Sie soll eine präzise und verständliche Überschrift des Modulinhalts darstellen.
Einführung in die parallele Programmierung mit CUDA
Modulbezeichnung (engl.): Introduction to Parallel Programming with CUDA
Studiengang:
Studiengang mit Beginn der Gültigkeit der betreffenden ASPO-Anlage/Studienordnung des Studiengangs, in dem dieses Modul zum Studienprogramm gehört (=Start der ersten Erstsemester-Kohorte, die nach dieser Ordnung studiert).
Informatik und Web-Engineering, Bachelor, ASPO 01.10.2018
Code: DFBI-342
SWS/Lehrform:
Die Anzahl der Semesterwochenstunden (SWS) wird als Zusammensetzung von Vorlesungsstunden (V), Übungsstunden (U), Praktikumsstunden (P) oder Projektarbeitsstunden (PA) angegeben. Beispielsweise besteht eine Veranstaltung der Form 2V+2U aus 2 Vorlesungsstunden und 2 Übungsstunden pro Woche.
1V+1P (2 Semesterwochenstunden)
ECTS-Punkte:
Die Anzahl der Punkte nach ECTS (Leistungspunkte, Kreditpunkte), die dem Studierenden bei erfolgreicher Ableistung des Moduls gutgeschrieben werden. Die ECTS-Punkte entscheiden über die Gewichtung des Fachs bei der Berechnung der Durchschnittsnote im Abschlusszeugnis. Jedem ECTS-Punkt entsprechen 30 studentische Arbeitsstunden (Anwesenheit, Vor- und Nachbereitung, Prüfungsvorbereitung, ggfs. Zeit zur Bearbeitung eines Projekts), verteilt über die gesamte Zeit des Semesters (26 Wochen).
3
Studiensemester: 6
Pflichtfach: nein
Arbeitssprache:
Deutsch
Prüfungsart:
Projektarbeit, Präsentation, Ausarbeitung

[letzte Änderung 18.10.2013]
Verwendbarkeit / Zuordnung zum Curriculum:
Alle Studienprogramme, die das Modul enthalten mit Jahresangabe der entsprechenden Studienordnung / ASPO-Anlage.

DFBI-342 Informatik und Web-Engineering, Bachelor, ASPO 01.10.2018 , 6. Semester, Wahlpflichtfach, informatikspezifisch
KI593 (P222-0074) Kommunikationsinformatik, Bachelor, ASPO 01.10.2014 , 5. Semester, Wahlpflichtfach, technisch
KIB-CUDA (P222-0074) Kommunikationsinformatik, Bachelor, ASPO 01.10.2021 , 5. Semester, Wahlpflichtfach, technisch
KIB-CUDA (P222-0074) Kommunikationsinformatik, Bachelor, ASPO 01.10.2022 , 5. Semester, Wahlpflichtfach, technisch
PIBWI39 (P222-0074) Praktische Informatik, Bachelor, ASPO 01.10.2011 , 5. Semester, Wahlpflichtfach, informatikspezifisch
PIB-CUDA Praktische Informatik, Bachelor, ASPO 01.10.2022 , 5. Semester, Wahlpflichtfach, informatikspezifisch
Arbeitsaufwand:
Der Arbeitsaufwand des Studierenden, der für das erfolgreiche Absolvieren eines Moduls notwendig ist, ergibt sich aus den ECTS-Punkten. Jeder ECTS-Punkt steht in der Regel für 30 Arbeitsstunden. Die Arbeitsstunden umfassen Präsenzzeit (in den Vorlesungswochen), Vor- und Nachbereitung der Vorlesung, ggfs. Abfassung einer Projektarbeit und die Vorbereitung auf die Prüfung.

Die ECTS beziehen sich auf die gesamte formale Semesterdauer (01.04.-30.09. im Sommersemester, 01.10.-31.03. im Wintersemester).
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 30 Veranstaltungsstunden (= 22.5 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 3 Creditpoints 90 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 67.5 Stunden zur Verfügung.
Empfohlene Voraussetzungen (Module):
Keine.
Als Vorkenntnis empfohlen für Module:
Modulverantwortung:
Dipl.-Inform. Marion Bohr
Dozent/innen: Dipl.-Inform. Marion Bohr

[letzte Änderung 06.03.2017]
Lernziele:
CUDA (Compute Unified Device Architecture) ist eine von NVIDIA entwickelte Technik, die die Entwicklung von Programmteilen erlaubt, welche durch den Grafikprozessor (GPU) auf der Grafikkarte abgearbeitet werden.
 
Die Studierenden erhalten einen Einblick in das Lösen von Problemen mittels paralleler Programmierung. Sie verstehen die  algorithmischen Grundlagen zur parallelen Programmierung. Sie können die Hard- und Softwarekomponenten auf Basis von CUDA einsetzen und innerhalb klar abgegrenzter praktischer Übungen demonstrieren. Sie können die Stärken einer GPU-Architektur anhand einer praxisorientierten Projektarbeit vorteilhaft einsetzen, ihre Performance optimieren und dabei den Ressourcenbedarf einer parallelen Implementierung analysieren.

[letzte Änderung 12.01.2018]
Inhalt:
* Grundlagen: Prozesse, Threads, Blöcke, Warps, Speicherarten, usw.
* Algorithmische Grundlagen
* Algorithmenbeispiele und Implementierungen für parallelisierbare und nicht parallelisierbare Programme
* Laufzeitmessung, Laufzeitvergleich, Möglichkeiten der Performance-Steigerung
* GPU-Anwendungen aus unterschiedlichen Themengebieten am Beispiel von CUDA


[letzte Änderung 02.01.2018]
Weitere Lehrmethoden und Medien:
Präsentationsfolien, Tafel, Übungsaufgaben

[letzte Änderung 02.01.2018]
Literatur:
* The CUDA Handbook: A Comprehensive Guide to GPU Programming, Nicholas Wilt, Addison-Wesley 2013
* CUDA by Example – An Introduction to General-Purpose GPU Programming, Jason Sanders/ Edward Kandrot, Addison-Wesley 2011
* Programming Massively Parallel Processors – A Hands-on Approach, David B. Kirk/ Wen-mei W. Hwu, Elsevier-Morgan Kaufmann Publishers 2010


[letzte Änderung 02.01.2018]
 
[Thu Nov 21 12:19:51 CET 2024, CKEY=keidppm, BKEY=dfi2, CID=DFBI-342, LANGUAGE=de, DATE=21.11.2024]