午夜探花

• Hier ein Vortrag der einen 脺berblick 眉ber die Inhalt und Ergebnisse der Vorlesung gibt (bis jetzt leider nur als Appel Keynote verf眉gbar, beim PDF Export gehen bei mir Indices verloren *grrr*):
  
• Hier die Seite zu ulmBLAS
  
• Hier habe ich Schritt f眉r Schritt die Optimierung des Matrix-Matrix Produkts dokumentiert (am Ende erreichen wir 97%-98% der Performance der Intel MKL.  Alle anderen Big Players lassen wir klar hinter uns):
  
• Zum gr枚脽ten Teil werden wir in der Vorlesung an der Tafel arbeiten.  Also ganz Old School.  Das betrifft nat眉rlich den Theorie Teil aber z.B. auch die Einf眉hrung in C.  Nat眉rlich werden wir auch hier Beispiele dann live am Rechner Testen.  Dennoch ist es wichtig, dass man erst am Reissbrett die Details aust眉ftelt bevor man programmiert.
  
  F眉r den praktischen Teil steht das Material im Netz:  Link zu Beispielen aus der laufenden 脺bung
  

• Meldet euch bitte im  an.

Lehr- und Lehrformen

Vorlesung (2 SWS),  脺bung (2 SWS), Programmier眉bungen (2SWS)

Dozent

Dr. Michael Lehn

Grundlage f眉r

Ideale Vorbereitung f眉r High Performance Computing und fortgeschrittene Numerik Module.

Leistungsnachweise und Pr眉fungen:

Bearbeitung, Pr盲sentation und wissenschaftliche Diskussion (Kolloquium) eines Projektes.

Einordnungen in die Studieng盲nge:

• Computational Science and Engineering BSc
• Mathematik BSc
• Mathematische Biometrie BSc
• Wirtschaftsmathematik BSc

Inhalt

• Grundlagen Assembler, C, C++ und Fortran.
• Cache-Optimierte numerische Methoden.
• Parallele Rechnerstrukturen und Techniken zur Parallelisierung, Parallele numerische Methoden.

• Vorlesung: Dienstag, 16:00 - 18:00, He 18, U41
• 脺bung/Praktikum: Donnerstag, 14:00 - 18:00, He 18, U41

Die erste Vorlesung ist am 22. April.