Hauptinhalt
Dieser Eintrag ist aus dem Wintersemester 2018/19 und möglicherweise veraltet. Es konnte kein aktuelles Äquivalent gefunden werden.
CS 654 — Parallele und verteilte Algorithmen
(engl. Parallel and Distributed Algorithms)
Niveaustufe, Verpflichtungsgrad | Vertiefungsmodul, Wahlpflichtmodul |
Lehr- und Lernformen, Arbeitsaufwand |
Vorlesung (2 SWS), Übung (2 SWS)., 180 Stunden (60 Std. Präsenzzeit, 120 Std. Selbststudium) |
Leistungspunkte, Voraussetzungen zum Erwerb |
6 LP Studienleistung(en): Erreichen von mindestens 50 Prozent der Punkte aus den wöchentlich zu bearbeitenden Übungsaufgaben und mündliche Präsentation der Lösung von mindestens zwei der Übungsaufgaben. Prüfungsleistung: Mündliche Prüfung oder Klausur |
Sprache, Benotung |
Deutsch,Die Benotung erfolgt mit 0 bis 15 Punkten gemäß der Prüfungsordnung für den Studiengang M.Sc. Data Science. |
Dauer des Moduls, Häufigkeit |
Ein Semester, Regelmäßig alle 3 bis 4 Semester |
Modulverantwortliche(r) | Prof. Dr. Rita Loogen |
Inhalt
Nach einer Einführung in die Grundbegriffe der Parallelverarbeitung werden zunächst elementare parallele Algorithmen diskutiert. Anschließend werden parallele Algorithmen für verschiedene Problemklassen wie Sortieren, Matrizen-Operationen, Graphenverfahren behandelt. Außerdem werden verteilte Basisverfahren wie Schnappschussverfahren, Terminationserkennung, Garbage Collection und Verfahren für verteilte Probleme vorgestellt.
In den begleitenden Übungen sollen verschiedene Verfahren in C / MPI (PVM) und in Eden (paralleles Haskell) implementiert werden.
Qualifikationsziele
- Erlernen und Einordnung verschiedener Grundmuster paralleler Verarbeitung,
- Gegenüberstellung verschiedener Verfahren zur parallelen Problemlösung,
- Erstellen von parallelen Programmen,
- Einüben wissenschaftlicher Arbeitsweisen (Erkennen, Formulieren, Lösen von Problemen, Schulung des Abstraktionsvermögens),
- Training der mündlichen Kommunikationsfähigkeit in den Übungen durch Einüben der freien Rede vor einem Publikum und bei der Diskussion.
Voraussetzungen
Keine. Empfohlen werden die Kompetenzen, die im Modul Algorithmen und Datenstrukturen vermittelt werden.
Verwendbarkeit
Importmodul aus dem M.Sc. Data Science.
Es kann im FB12 verwendet werden im Studiengang bzw. in den Studiengängen
- B.Sc. Data Science
- B.Sc. Informatik
- M.Sc. Data Science
- M.Sc. Informatik
- M.Sc. Wirtschaftsinformatik
- M.Sc. Wirtschaftsmathematik
Im Studiengang M.Sc. Wirtschaftsmathematik kann das Modul im Studienbereich Vertiefungsbereich absolviert werden.
Die Wahlmöglichkeit des Moduls ist dadurch beschränkt, dass es der Informatik zugeordnet ist.
Literatur
- Grama, A. Gupta, G. Karypis, V. Kumar: Introduction to Parallel Computing, Pearson Education, 2003.
- Joseph Jaja: An Introduction to Parallel Algorithms, Addison Wesley 1992
- Gibbons, W. Rytter: Efficient Parallel Algorithms, Cambridge University Press 1988
- M. Quinn: Parallel Programming in C with MPI and OpenMP, Mc Graw Hill 2003
Bitte beachten Sie:
Diese Seite beschreibt ein Modul gemäß dem im Wintersemester 2018/19 aktuellsten gültigen Modulhandbuch. Die meisten für ein Modul gültigen Regeln werden nicht durch die Prüfungsordnung festgelegt, und können daher von Semester zu Semester aktualisiert werden. Folgende Versionen liegen im Online-Modulhandbuch vor:
- WiSe 2016/17 (kein Äquivalent)
- SoSe 2018
- WiSe 2018/19
- WiSe 2019/20
- WiSe 2020/21
- SoSe 2021
- WiSe 2021/22
- WiSe 2022/23
- WiSe 2023/24 (kein Äquivalent)
Das Modulhandbuch enthält alle Module, unabhängig vom aktuellen Veranstaltungsangebot, vergleichen Sie dazu bitte das aktuelle Vorlesungsverzeichnis in Marvin.
Die Angaben im Online-Modulhandbuch wurden automatisch erstellt. Rechtsverbindlich sind die Angaben der Prüfungsordnung. Wenn Ihnen Unstimmigkeiten oder Fehler auffallen, sind wir für Hinweise dankbar.