Спецкурсы

Высокопроизводительные вычисления на платформе Python

Лектор: Русол А.В.

Целью курса является базовая подготовка, позволяющая освоить основы технологий высокопроизводительных вычислений на платформе Python для решения задач на современных многоядерных и многопроцессорных системах, а также суперкомпьютерах.
В курсе дается обзор возможностей платформы Python, в контексте научных и инженерных вычислений. Даются основные сведения о применении Python для решения научных и инженерных вычислительных задач, хранению и обработке полученных результатов. Рассматриваются пакеты NumPy, SciPy, Matplotlib, h5Py, Pandas для демонстрации базовых возможностей решения вычислительных задач и визуализации результатов, хранения и обработки данных. Изучаются реализованные в Python механизмы поддержки функциональности технологий параллельного программирования MPI и Nvidia CUDA. Используя пакет MPI4Py изучается работа с группами и коммуникаторами, организация параллельного ввода-вывода, односторонние коммуникации, обработка ошибок и т.п. Изучаются специализированные JIT компиляторы необходимые для выполнения высокопроизводительных вычислений в Python. На основе пакетов PyCUDA, Numba и некоторых других, изучаются способы распределения работ и синхронизации вычислений на графических ускорителях, а также дополнительные вспомогательные процедуры. Изучаются механизмы организации работы локального вычислительного кластера, реализованные в пакете IPyparallel.
Практическое освоение технологий высокопроизводительных вычислений и параллельного программирования на платформе Python позволит эффективно решать прикладные задачи не только на базе суперкомпьютеров типа Ломоносов-2 и Polus, но и на доступных пользователям многоядерных компьютерах.

 

Первая лекция: 21 февраля

Особенности практического использования нейронных сетей

Лектор: Буряк Д.Ю.

В рамках спецкурса рассматриваются практические вопросы построения и обучения НС: выбор архитектуры, подбор параметров алгоритма обучения, методы регуляризации и другие подходы для повышения эффективности обучения. Проводится подробный анализ актуальных алгоритмов обучения глубоких нейронных сетей. Отдельный блок лекций  посвящен обзору современных архитектур глубоких нейронных сетей, применяемых для решения задач распознавания и обнаружения изображений, рекуррентных сетей и трансформеров. 

Слушателям предлагается несколько практических заданий на построение и исследование эффективности НС.

Первая лекция: 20 февраля

Нейронные сети и их практическое применение

Лектор: Буряк Д.Ю.

В рамках спецкурса будут подробно рассмотрены как теоретические аспекты создания и использования нейронных сетей, так и особенности их практического применения на примере задачи классификации образов. Особое внимание будет уделено сетям глубокого обучения, а также вопросам распараллеливания нейросетевых алгоритмов.

Курс не требует от слушателей предварительных знаний по нейронным сетям.

Экзамен состоится 19 декабря 2022г в 18.00, аудитория 582.

Первая лекция: 3 октября

Высокопроизводительные вычисления на платформе Python

Лектор: Русол А.В.

Целью курса является базовая подготовка, позволяющая освоить основы технологий высокопроизводительных вычислений на платформе Python для решения задач на современных многоядерных и многопроцессорных системах, а также суперкомпьютерах.
В курсе дается обзор возможностей платформы Python, в контексте научных и инженерных вычислений. Даются основные сведения о применении Python для решения научных и инженерных вычислительных задач, хранению и обработке полученных результатов. Рассматриваются пакеты NumPy, SciPy, Matplotlib, h5Py, Pandas для демонстрации базовых возможностей решения вычислительных задач и визуализации результатов, хранения и обработки данных. Изучаются реализованные в Python механизмы поддержки функциональности технологий параллельного программирования MPI и Nvidia CUDA. Используя пакет MPI4Py изучается работа с группами и коммуникаторами, организация параллельного ввода-вывода, односторонние коммуникации, обработка ошибок и т.п. Изучаются специализированные JIT компиляторы необходимые для выполнения высокопроизводительных вычислений в Python. На основе пакетов PyCUDA, Numba и некоторых других, изучаются способы распределения работ и синхронизации вычислений на графических ускорителях, а также дополнительные вспомогательные процедуры. Изучаются механизмы организации работы локального вычислительного кластера, реализованные в пакете IPyparallel.
Практическое освоение технологий высокопроизводительных вычислений и параллельного программирования на платформе Python позволит эффективно решать прикладные задачи не только на базе суперкомпьютеров типа Ломоносов-2 и Polus, но и на доступных пользователям многоядерных компьютерах.

Запись на курс: прислать информацию о себе на почту fermata@inbox.ru в формате
    Фамилия Имя Отчество ; Город ; Факультет ; группа ; эл.почта    
Доступ: информация о платформе проведения и способе доступа будет рассылаться записавшимся на курс по указанным в письмах адресам эл.почты

 

Первая лекция: 25 февраля

Особенности практического использования нейронных сетей

Лектор: Буряк Д.Ю.

В рамках спецкурса рассматриваются практические вопросы построения и обучения НС: выбор архитектуры, подбор параметров алгоритма обучения, методы регуляризации и другие подходы для повышения эффективности обучения. Часть лекций посвящена обзору современных архитектур глубоких нейронных сетей, применяемых для решения задач распознавания и обнаружения изображений, а также рекуррентных сетей и GAN. 

Слушателям предлагается несколько практических заданий на построение и исследование эффективности НС.

Для записи на спецкурс необходимо прислать на электронную почту dyb04@yandex.ru Фамилию, Имя, Отчество, номер группы и адрес электронной почты. 

Ссылка на zoom конференцию: https://us02web.zoom.us/j/7821754586?pwd=Z3JWQ2lqUXRGcHUrd0tQaTJZZ1FzQT09

Идентификатор конференции: 782 175 4586 . Код доступа: 271614.

 

Даты и время экзамена:

- Магистры 2-го года: 26 апреля 18.30

- Бакалавры, магистры 1-го года: 11 мая 18.30

 

Первая лекция: 16 февраля