Subject

Паралелно процесирање

Course Title

Паралелно процесирање
Parallel processing

Code

m23_w_065

Study Programme

—

Organizer of the study programme (unit, institute, department or division)

Faculty of Computer Science and Engineering

Degree level (first, second, third cycle)

Second cycle

Academic year / semester

9 / Winter

Number of ECTS credits

Teacher

Дејан Спасов

Prerequisites for enrolling in the course

—

10.

Objectives of the course programme (competences)

По завршувањето на курсот се очекува студентот има познавање на паралелни алгоритми;
паралелни архитектури; multithreading системи. Да може да креира паралелни апликации и да може да имплементира оптимални алгоритми за длабоко учење

11.

Course content

Фундаментални концепти на паралелните алгоритми. Комплексност на паралелни алгоритми.. GPU архитектура. Паралелизам на инструкциско ниво. Програмирање на GPU со CUDA и OpenCL. Спрежни мрежи и кластери. GRID структури. GRID пресметувања. Одредување на перформанси и оптимизација. Архитектура за длабоко учење и капсулни мрежи.

12.

Learning methods

Предавања поддржани со презентации преку слајдови, интерактивни предавања, вежби (користење на опрема и софтверски пакети), тимска работа, пример случаи, поканети гости предавачи, самостојна изработка и одбрана на проектна задача и семинарска работа, учење во електронско опкружување (форуми, консултации).

13.

Total available time

6 ECTS x 30 hours = 180 hours

14.

Distribution of available time

45 + 15 + 30 + 50 + 40 = 180 часа

15.

Forms of teaching activities

15.1.	Lectures - theoretical instruction	45 hours
15.2.	Exercises (laboratory, auditory), seminars, teamwork	15 часови

16.

Other forms of activities

16.1.	Project assignments	50 часови
16.2.	Independent assignments	30 hours
16.3.	Home study	40 hours

17.

Assessment method

17.1.	Tests	20 бодови
17.2.	Seminar paper / project (presentation: written and oral)	50 бодови
17.3.	Activities and learning	20 бодови
17.4.	Final exam	20 бодови

18.

Grading criteria (points / grade)

up to 50 points	5 (five) (F)
from 51 to 60 points	6 (six) (E)
from 61 to 70 points	7 (seven) (D)
from 71 to 80 points	8 (eight) (C)
from 81 to 90 points	9 (nine) (B)
from 91 to 100 points	10 (ten) (A)

19.

Requirement for obtaining a signature and taking the final exam

реализирани активности

20.

Language of instruction

Macedonian and English

21.

Method for monitoring the quality of teaching

internal evaluation and survey mechanism

22.

Literature

22.1.

Required literature

1. Yoshiyasu Takefuji | GPU parallel computing for machine learning in Python: how to build a parallel computer | Amazon Digital Services LLC | 2017
2. L. Abell | ADVENCED NEURAL NETWORKS with MATLAB: DEEP LEARNING, CONTROL SYSTEMS, PARALLEL COMPUTING, and DYNAMIC NEURAL NETWORKS | CreateSpace Independent Publishing Platform | 2017
3. Shane Cook | CUDA Programming: A Developer`s Guide to Parallel Computing with GPUs (Applications of Gpu Computing) | Morgan Kaufmann | 2012

22.2.

Additional literature

No. Author Title Publisher Year