Alle Lernmaterialien für deinen Kurs Heterogene Rechnerarchitekturen Online

Du erhältst einen umfassenden Überblick über die Grundkonzepte heterogener Rechnerarchitekturen. Dabei lernst Du die verschiedenen Bestandteile und deren Zusammenspiel in modernen Systemen kennen.

• Unterschiede zwischen homogenen und heterogenen Architekturen
• Komponenten und ihre Funktionen in heterogenen Systemen
• Vorteile und Herausforderungen heterogener Architekturen
• Relevante Anwendungsbereiche und Fallstudien
• Architektur-bezogene Terminologie und Konzepte

Dieser Teil behandelt die Techniken und Algorithmen der Parallelverarbeitung, die notwendig sind, um die Leistung moderner Computersysteme zu maximieren.

• Grundlagen der parallelen Verarbeitung und Amdahl's Law
• Parallele Algorithmen und deren Entwurfsparadigmen
• Synchronisation und Kommunikation zwischen Prozessen
• Vermeidung und Umgang mit Race Conditions
• Leistungsbewertung und -optimierung in parallelen Systemen

Lerne die Multithreading-Techniken kennen, die für die effiziente Nutzung von Mehrkernprozessoren unerlässlich sind.

• Grundlagen und Konzepte des Multithreadings
• Erstellung und Verwaltung von Threads
• Thread-Synchronisierung und -Kommunikation
• Leistungsmetriken und Optimierungsstrategien
• Anwendungsbeispiele und praktische Implementierungen

Tauche ein in die Architektur und Funktionsweise von Graphics Processing Units (GPUs) und deren Einsatz in der Hochleistungsrechnung.

• Architekturelle Unterschiede zwischen CPUs und GPUs
• Warp- und Thread-Verwaltung in GPUs
• Speicherhierachien und -zugriffe in GPUs
• Programmstrukturen und Optimierungstechniken für GPUs
• Beispiele und Benchmarks für GPU-basierte Anwendungen

Erlerne die Programmierung und Nutzung von GPUs mittels OpenCL und CUDA, zwei der wichtigsten Frameworks für die Entwicklung paralleler Anwendungen.

• Grundlagen und Einführung in OpenCL und CUDA
• Plattformübergreifende Anwendung mit OpenCL
• Architektur- und programmierbezogene Besonderheiten von CUDA
• Entwicklung und Optimierung von Kernels
• Debugging- und Performance-Tools für GPU-Programmierung