本年度は、ハイパフォーマンスコンピューティング(HPC)・並列処理・クラスタ計算・クラウド・の分野において、エクサスケールに向かうスパコンや大規模IDCにとって非常に重要な「HPC的手法によるビッグデータ・AIの大幅な性能やスケールの向上」の学術的な成果の近年の論文をサーベイする。
成績は発表(50%)、レポート(50%)により総合的に判断する。また、発表中に質問等を行った学生には講義ごとに5%を加点する。
スパコン、スーパコンピュータ、HPC、メニーコア・GPU、ビッグデータ、人工知能、機械学習、深層学習
✔ 専門力 | ✔ 教養力 | ✔ コミュニケーション力 | ✔ 展開力(探究力又は設定力) | ✔ 展開力(実践力又は解決力) |
初回のガイダンス時にハイパフォーマンスコンピューティング(HPC)・並列処理・ クラスタ計算・IDC・ビッグデータ・クラウドの分野において「HPC的手法によるビッグデータ・AIの大幅な性能やスケールの向上」にまつわる特定のテーマの英語の論文のリストを提示する。履修者はそれらのうち1本を選択し、第二回目以降の講義でスライドによる発表を1回以上行う。
発表中は履修者同士や教員・TAの間で内容に関する議論を行う。
発表時間は履修者の人数により変動するが、45〜90分程度を想定する。
また、講義終了後に選択した論文とさらに選択した論文2本の合計3本に関するレポートを提出する。
授業計画 | 課題 | |
---|---|---|
第1回 | スーパコンピュータの歴史 | なし |
第2回 | 高性能機械学習の基礎 | なし |
第3回 | HPC的手法によるビッグデータ・AIの大幅な性能やスケールの向上 | 事前に指定された論文を予習する |
第4回 | HPC的手法によるビッグデータ・AIの大幅な性能やスケールの向上 | 事前に指定された論文を予習する |
第5回 | HPC的手法によるビッグデータ・AIの大幅な性能やスケールの向上 | 事前に指定された論文を予習する |
第6回 | HPC的手法によるビッグデータ・AIの大幅な性能やスケールの向上 | 事前に指定された論文を予習する |
第7回 | HPC的手法によるビッグデータ・AIの大幅な性能やスケールの向上 | 事前に指定された論文を予習する |
第8回 | HPC的手法によるビッグデータ・AIの大幅な性能やスケールの向上 | 事前に指定された論文を予習する |
第9回 | HPC的手法によるビッグデータ・AIの大幅な性能やスケールの向上 | 事前に指定された論文を予習する |
第10回 | HPC的手法によるビッグデータ・AIの大幅な性能やスケールの向上 | 事前に指定された論文を予習する |
第11回 | HPC的手法によるビッグデータ・AIの大幅な性能やスケールの向上 | 事前に指定された論文を予習する |
第12回 | HPC的手法によるビッグデータ・AIの大幅な性能やスケールの向上 | 事前に指定された論文を予習する |
第13回 | HPC的手法によるビッグデータ・AIの大幅な性能やスケールの向上 | 事前に指定された論文を予習する |
第14回 | HPC的手法によるビッグデータ・AIの大幅な性能やスケールの向上 | 事前に指定された論文を予習する |
第15回 | HPC的手法によるビッグデータ・AIの大幅な性能やスケールの向上 | 事前に指定された論文を予習する |
なし
小柳・佐藤・中村・松岡「スーパーコンピュータ (岩波講座 計算科学 別巻) 」、岩波書店、2012
発表(40%), 授業中の議論時のQ&A(30%)、ならびに最終レポート(30%)
計算機アーキテクチャおよび並列処理に関する基本的な知識、
機械学習に関する基本知識