1. SylabUZ
2. Wydział Nauk Inżynieryjno-Technicznych
3. semestr zimowy 2023/2024
4. Informatyka - drugiego stopnia z tyt. magistra inżyniera
5. Równoległe i funkcyjne techniki programowania

Wygeneruj PDF dla tej strony

Równoległe i funkcyjne techniki programowania - opis przedmiotu

Cel przedmiotu

• Zapoznanie studentów z modelem technik programowania równoległego oraz funkcyjnego,
• ukształtowanie wśród studentów zrozumienia i świadomości roli równoległych technik programowania, a także uwypuklenia zwiększającej się roli programowania funkcyjnego,
• nauka podstawowych umiejętności w zakresie tworzenia programów równoległych w systemach wieloprocesorowych opartych o tradycyjne uniwersalne procesory (CPU) a także o graficzne wieloprocesorowe układy ogólnego zastosowania (GPU),
• ukształtowanie podstawowych umiejętności w zakresie paradygmatu programowania funkcyjnego, a w szczególności roli funkcji i rekurencji, programowania bez efektów ubocznych oraz nabycie umiejętności używania techniki obliczeń leniwych.

Wymagania wstępne

Zapisz zmiany

Metody programowania, Algorytmy i struktury danych, Teoretyczne podstawy informatyki, Logika dla informatyków

Zakres tematyczny

Równoległy model obliczeniowy, klasy złożoności obliczeń równoległych.

Dostępne narzędzia pomagające realizować programy działające w środowiskach równoległych: MPI, OpenMP, CUDA, OpenCL.

Rodzaje prymitywnych operacji równoległych.

Zależność i podział danych, modele równoległych środowisk wykonawczych dla CPU oraz GPU.

Podstawowe konstrukcje funkcyjnego języka programowania na przykładzie języków OCaml, F#, Scala.

Typy danych, wyjątki, pojęcie obiektu.

Funkcje wyższego rzędu, model obliczeń programów funkcyjnych (w postaci uproszczonego opisu operacyjnego).

System typów, leniwe obliczenia oraz konstrukcje programowania równoległego.

Konstrukcje imperatywne w programowaniu funkcyjnym.

Metody kształcenia

Wykład: wykład konwencjonalny/tradycyjny.
Laboratorium: ćwiczenia laboratoryjne, wg listy zadań.
Projekt: praca w grupach, metoda projektu.

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

Wykład - warunkiem zaliczenia jest uzyskanie pozytywnej oceny z egzaminu przeprowadzonego w formie pisemnej.
Laboratorium - warunkiem zaliczenia jest uzyskanie pozytywnych ocen ze wszystkich sprawdzianów pisemnych z ćwiczeń laboratoryjnych, przewidzianych do realizacji w ramach programu laboratorium.
Projekt - warunkiem zaliczenia jest wykonanie wszystkich zadań projektowych, przewidzianych do realizacji w ramach zajęć projektowych oraz przygotowanie pisemnego raportu ze zrealizowanego projektu.
Składowe oceny końcowej = wykład: 40% + laboratorium: 30% + projekt: 30%.

Obciążenie pracą	Studia stacjonarne (w godz.)	Studia niestacjonarne (w godz.)
Godziny kontaktowe (udział w zajęciach; konsultacjach; egzaminie, itp.)	70	45
Samodzielna praca studenta (przygotowanie do: zajęć, kolokwium, egzaminu; studiowanie literatury przygotowanie: pracy pisemnej, projektu, prezentacji, raportu, wystąpienia; itp.)	80	105
Łącznie	150	150
Punkty ECTS	Studia stacjonarne	Studia niestacjonarne
Zajęcia z udziałem nauczyciela akademickiego	3	2
Zajęcia bez udziału nauczyciela akademickiego	3	4
Łącznie	6	6

Literatura podstawowa

1. Gerassimos B.: Multicore and GPU Programming: An Integrated Approach, Elsevier LTD, Oxford, edycja 2, 2022.
2. Hwu, W-M.W.  (Autor), Kirk D.B., El Hajj I.: Programming Massively Parallel Processors: A Hands-On Approach, Morgan Kaufmann Publishers, edycja 4, 2022.
3. Mattson G.T., He Y., Koniges E.A.: The OpenMP Common Core: Making OpenMP Simple Again, MIT Press, 2019.
4. Han J., Sharma B.: Learn CUDA Programming: A beginner's guide to GPU programming and parallel computing with CUDA 10.x and C/C++, Packt Publishing, 2019.
5. Syme D., Granicz A., Cisternino A.: F# 4.0 dla zaawansowanych, Wydanie IV, Helion 2017.
6. Sanders J., Kandrot E.: CUDA w przykładach. Wprowadzenie do ogólnego programowania procesorów GPU, Helion, 2012.
7. Michaelson G.: An Introduction to Functional Programming Through Lambda Calculus, Dover Publications Inc., 2011.
8. Gaster B., Howes L., Kaeli D. R., Mistry P., Schaa D.: Heterogeneous Computing with OpenCL, Morgan Kaufmann, 2011.
9. Pacheco P.: An Introduction to Parallel Programming, Morgan Kaufmann, 2011.
10. Sanders J., Kandrot E.: CUDA by Example: An Introduction to General-Purpose GPU Programming, Addison-Wesley Professional, 2010, english edition.
11. Czech Z.: Wprowadzenie do obliczeń równoległych, Wydawnictwo Naukowe PWN, 2010.
12. Herlihy M., Shavit N.: Sztuka programowania wieloprocesorowego, Wydawnictwo Naukowe PWN, 2010, edycja polska.
13. Smith C.: Programming F#, O'Reilly Media, Inc.,Sebastopol, USA, 2010.
14. Pickering R.: Foundations of F#, Apress,USA, 2007.

Literatura uzupełniająca

1. Syme D., Granicz A., Cisternino A.: Expert F# 4.0, Apress, 2015.
2. Farber R.: CUDA Application Design and Development, Morgan Kaufmann, 2011.
3. Wen-mei W. Hwu, eds: GPU Computing Gems, Emerald Edition and Jade Edition, Morgan Kaufmann, 2011.
4. Harrop J.: F# for Scientists, John Wiley & Sons, Inc., Hoboken, New Jersey, USA, 2008.
5. Thomspon S.: Haskell - The Craft of Functional Programming, Addison-Wesley Longman Publishing Co., Inc. Boston, MA, USA, 1999.

Uwagi

--

Zmodyfikowane przez dr hab. inż. Marek Sawerwain, prof. UZ (ostatnia modyfikacja: 20-03-2023 10:29)