Suchergebnis: Katalogdaten im Frühjahrssemester 2019

Rechnergestützte Wissenschaften Bachelor Information
Bachelor-Studium (Studienreglement 2012 und 2016)
Kernfächer
NummerTitelTypECTSUmfangDozierende
151-0116-00LHigh Performance Computing for Science and Engineering (HPCSE) for CSE Information O7 KP4G + 2PP. Koumoutsakos, S. M. Martin
KurzbeschreibungThis course focuses on programming methods and tools for parallel computing on multi and many-core architectures. Emphasis will be placed on practical and computational aspects of Bayesian Uncertainty Quantification and Machine Learning including the implementation of these algorithms on HPC architectures.
LernzielThe course will teach
- programming models and tools for multi and many-core architectures
- fundamental concepts of Uncertainty Quantification and Propagation (UQ+P) for computational models of systems in Engineering and Life Sciences.
- fundamentals of Deep Learning
InhaltHigh Performance Computing:
- Advanced topics in shared-memory programming
- Advanced topics in MPI
- GPU architectures and CUDA programming

Uncertainty Quantification:
- Uncertainty quantification under parametric and non-parametric modeling uncertainty
- Bayesian inference with model class assessment
- Markov Chain Monte Carlo simulation

Machine Learning
- Deep Neural Networks and Stochastic Gradient Descent
- Deep Neural Networks for Data Compression (Autoencoders)
- Recurrent Neural Networks
Skripthttp://www.cse-lab.ethz.ch/teaching/hpcse-ii_fs19/
Class notes, handouts
Literatur- Class notes
- Introduction to High Performance Computing for Scientists and Engineers, G. Hager and G. Wellein
- CUDA by example, J. Sanders and E. Kandrot
- Data Analysis: A Bayesian Tutorial, Devinderjit Sivia
- Machine Learning: A Bayesian and Optimization Perspective, S. Theodorides
Voraussetzungen / BesonderesAttendance of HPCSE I
252-0232-00LSoftware Design Information O6 KP2V + 1UD. Gruntz
KurzbeschreibungIm Kurs Software Design werden häufig verwendete Entwurfsmuster der objektorientierten Programmierung und des objektorientierten Designs vorgestellt und diskutiert. Die behandelten Muster werden mit Beispielen aus den Java Bibliotheken illustriert und in einem Projekt angewendet.
LernzielDie Studierenden
- kennen die Grundprinzipien der objektorientierten Programmierung und können diese anwenden.
- kennen die wichtigsten objektorientierten Entwurfsmuster.
- können diese anwenden um Designprobleme zu lösen.
- erkennen in einem gegebenen Design die Verwendung von Entwurfsmustern.
InhaltIn der Vorlesung wird in die objektorientierte Programmierung eingeführt. Als Programmiersprache wird Java verwendet. Der Fokus liegt jedoch auf dem objektorientierten Design, d.h. auf Entwurfsmustern. Entwurfsmuster sind Lösungen für wiederkehrende Designprobleme. Die behandelten Muster werden mit Beispielen aus den Java Bibliotheken illustriert und in einem Projekt angewendet.
Skriptkein Skript
Literatur- Gamma, Helm, Johnson, Vlissides; Entwurfsmuster als Elemente wiederverwendbarer objektorientierter Systeme; mitp 2014; ISBN 978-3826697005
- Freeman, Freeman, Sierra; Entwurfsmuster von Kopf bis Fuss, Head First Design Patterns, Head First Design Patterns; O‘Reilly; ISBN 978-3955619862
Voraussetzungen / BesonderesDie Vorlesung Software Design ist für Studierende aus dem Studiengang Rechnergestützte Wissenschaften konzipiert, ist aber (sofern es die Studentenzahlen erlauben) auch für Studierende anderer Departemente offen. Es wird vorausgesetzt, dass die Studierenden im Grundstudium eine Informatikvorlesung besucht haben, in welcher das (strukturierte) Programmieren (z.B. mit C, C++, C# oder Java) eingeführt wurde.
  •  Seite  1  von  1