| Study programme competencies |
| Code | Study programme competences |
| A12 | CE12 - Capacidade de coñecer e aplicar os principios fundamentais, principais paradigmas e técnicas da programación paralela e distribuída ao desenvolvemento de algoritmos para o procesamento e análise masiva de datos. |
| B2 | CB2 - Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo |
| B3 | CB3 - Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitir xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética |
| B4 | CB4 - Que os estudantes poidan transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado |
| B7 | CG2 - Elaborar adecuadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables. |
| B8 | CG3 - Ser capaz de manter e estender formulacións teóricas fundadas para permitir a introdución e explotación de tecnoloxías novas e avanzadas no campo. |
| B9 | CG4 - Capacidade para abordar con éxito todas as etapas dun proxecto de datos: exploración previa dos datos, preprocesado, análise, visualización e comunicación de resultados. |
| B10 | CG5 - Ser capaz de traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións. |
| C1 | CT1 - Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida. |
| C4 | CT4 - Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade. |
| Learning aims | |||
| Learning outcomes | Study programme competences | ||
| Entender os principais modelos de programación paralela | A12 |
||
| Aplicar os coñecementos adquiridos á implementación eficiente de aplicacións paralelas usando distintos modelos de programación | A12 |
B2 B3 B4 B7 B8 B9 B10 |
C1 C4 |
| Contents |
| Topic | Sub-topic |
| Procesamento Paralelo | 1. Introdución 2. Procesamento Paralelo en Arquitecturas de Memoria Compartida 3. Procesamento Paralelo en Arquitecturas de Memoria Distribuída 4. Procesamento Paralelo en Arquitecturas Heteroxéneas |
| Planning | ||||
| Methodologies / tests | Competencies | Ordinary class hours | Student’s personal work hours | Total hours |
| Laboratory practice | A12 B2 B8 B10 C1 | 19.5 | 48.75 | 68.25 |
| Seminar | A12 | 3 | 3 | 6 |
| Supervised projects | A12 B2 B3 B4 B7 B8 B9 C1 C4 | 0 | 25 | 25 |
| Guest lecture / keynote speech | A12 | 19.5 | 29.25 | 48.75 |
| Personalized attention | 2 | 0 | 2 | |
| (*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students. | ||||
| Methodologies |
| Methodologies | Description |
| Laboratory practice | Clases prácticas no laboratorio nas que se realizan tarefas dirixidas que permiten ao alumno familiarizarse desde un punto de vista práctico cos contidos vistos nas clases teóricas. |
| Seminar | Clases en aula dedicadas a repasar conceptos clave de programación necesarios para o desenvolvemento da materia. |
| Supervised projects | Realización de traballos nos que o alumno ten que empregar os coñecementos adquiridos para resolver distintos problemas de forma autónoma. |
| Guest lecture / keynote speech | Clases teóricas nas que se expón o contido de cada tema. |
| Personalized attention |
|
|
| Assessment | |||
| Methodologies | Competencies | Description | Qualification |
| Supervised projects | A12 B2 B3 B4 B7 B8 B9 C1 C4 | Avaliación dos traballos academicamente dirixidos | 50 |
| Laboratory practice | A12 B2 B8 B10 C1 | Avaliación das prácticas | 50 |
| Assessment comments | |||
|
Para a segunda oportunidade as notas das prácticas en memoria compartida e en memoria distribuida serán as obtidas durante o cuadrimestre. |
|||
| Sources of information |
| Basic |
J. Sanders, E. Kandrot (2010). CUDA by example: an introduction to general-purpose GPU programming. Addison-Wesley Professional
P. Pacheco (1997). Parallel Programming with MPI. Morgan Kaufmann Publishers
B. Schmidt, J. González-Domínguez, C. Hundt, M. Schlarb (2017). Parallel programming: concepts and practice. Morgan Kaufmann Publishers
T.G. Matsson, Y. (Helen) He, A.E. Koniges (2019). The OpenMP Common Core: Making OpenMP Simple Again. The MIT Press |
|
|
|
| Complementary | |
|
|
| Recommendations | |
| Subjects that it is recommended to have taken before | |
|
| Subjects that are recommended to be taken simultaneously |
| Subjects that continue the syllabus |
| Other comments | |