Competencias y objetivos

 

Contexto de la asignatura para el curso 2024-25

La asignatura Computación en Paralelo para el Cálculo Científico es una asignatura obligatoria del Máster Universitario en Cálculo y Modelización Científica. La asignatura capacitará al alumnado para trabajar sobre arquitecturas paralelas, así como desarrollar y optimizar software para las mismas.
La computación paralela ha sido usada durante décadas, tanto a nivel científico como industrial, como instrumento de apoyo para abordar problemas que requieren de gran potencia de cálculo y/o el manejo de grandes cantidades de datos. La velocidad en la computación secuencial tiene unos límites y restricciones a los que paulatinamente se va llegando. La computación paralela permite incrementar la velocidad de computo así como abordar problemas que incluyen gran cantidad de datos. El paralelismo consiste en replicar unidades de tratamiento de información con el objetivo de repartir tareas entre las mismas, espacial o temporalmente, y realizar la ejecución del programa en cuestión, en un tiempo inferior. A las arquitecturas de este tipo de computadores se las denomina arquitecturas paralelas. Ejemplos de aplicación de la computación paralela se pueden encontrar en el procesamiento de señales biomédicas, procesamiento de imágenes y reconocimiento del habla, procesamiento de señales sísmicas, etc.

 

 

Competencias de la asignatura (verificadas por ANECA en grados y másteres oficiales) para el curso 2024-25

Competencias Transversales

  • CT1 : Desarrollar habilidades para el trabajo en equipo, ya sea en equipos con personal de la misma disciplina o equipos multidisciplinares (incluyendo profesionales de formación técnica, social o científica)
  • CT2 : Adoptar el método científico en el planteamiento y realización de trabajos diversos tanto a nivel académico como profesional, y de adoptar procedimientos basados en criterios de calidad y sostenibilidad en la actividad profesional
  • CT3 : Desarrollar habilidades, estrategias y técnicas para la interacción, el trabajo colaborativo y la transferencia del conocimiento y conclusiones obtenidas, tanto a profesionales de sectores afines como a público no especializado

 

Competencias Generales

  • CG5 : Adquirir los conocimientos informáticos necesarios para ser capaz de adaptarse a la resolución de problemas científicos en cualquier área de ciencias experimentales

 

Competencias Específicas

  • CE1 : Conocer y usar el software específico de cálculo científico apropiado para matemáticas y ciencias experimentales
  • CE2 : Resolver, mediante el empleo de técnicas de cálculo científico, problemas propios de matemáticas y ciencias experimentales planificando su resolución en función de tiempos y recursos disponibles

 

Competencias Básicas

  • CB10 : Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo
  • CB6 : Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
  • CB7 : Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a
  • CB8 : Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir deuna información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
  • CB9 : Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades

 

 

 

Resultados de aprendizaje (Objetivos formativos)

 

· Conocer la importancia, la innovación y la necesidad de la computación en paralelo para el cálculo científico.
· Dotar de un conocimiento general sobre la programación paralela y sistemas paralelos.
· Conocer distintos modelos de programación y técnicas para el diseño, evaluación e implementación de algoritmos paralelos.
· Dotar de experiencia en la resolución paralela y distribuida de problemas con objeto de mejorar las prestaciones.
· Conocer los entornos de programación más difundidos para el desarrollo de sistemas paralelos.
· Aplicar los conocimientos en situaciones prácticas, principalmente con la formulación de estrategias para problemas reales.

· Conocer la importancia, la innovación y la necesidad de la computación en paralelo para el cálculo científico.

· Dotar de un conocimiento general sobre la programación paralela y sistemas paralelos.

· Conocer distintos modelos de programación y técnicas para el diseño, evaluación e implementación de algoritmos paralelos.

· Dotar de experiencia en la resolución paralela y distribuida de problemas con objeto de mejorar las prestaciones.

· Conocer los entornos de programación más difundidos para el desarrollo de sistemas paralelos.

· Aplicar los conocimientos en situaciones prácticas, principalmente con la formulación de estrategias para problemas reales.

 

 

 

Objetivos específicos indicados por el profesorado para el curso 2024-25

  • Mostrar la importancia, la innovación y la necesidad de la computación en paralelo.
  • Entender y saber utilizar el vocabulario específico y conceptos básicos de la computación en paralelo.
  • Dotar de un conocimiento general sobre programación paralela y sistemas paralelos.
  • Mostrar la filosofía de la programación paralela y las diferencias existentes con la programación secuencial.
  • Conocer los entornos de programación más difundidos para el desarrollo de sistemas paralelos.
  • Ser capaz de identificar a partir de un problema sencillo las partes susceptibles de ser paralelizables.
  • Ser capaz de utilizar con fluidez herramientas y librerías básicas de computación de altas prestaciones tanto en entornos de memoria distribuida como en entornos de memoria compartida y arquitecturas multicore.
  • Ser capaz de aplicar dichas herramientas y librerías para resolver de forma eficiente problemas científico-técnicos cuyo modelado produce sistemas de gran tamaño.
  • Aplicar los conocimientos en situaciones prácticas, principalmente con la formulación de estrategias para problemas reales.

 

 

Datos generales

Código: 49237
Profesor/a responsable:
ARNAL GARCIA, JOSE
Crdts. ECTS: 3,00
Créditos teóricos: 0,50
Créditos prácticos: 0,70
Carga no presencial: 1,80

Departamentos con docencia

  • Dep.: CIENCIA DE LA COMPUTACION E INTELIGENCIA ARTIFICIAL
    Área: CIENCIA DE LA COMPUTACION E INTELIGENCIA ARTIFICIAL
    Créditos teóricos: 0,5
    Créditos prácticos: 0,7
    Este dep. es responsable de la asignatura.
    Este dep. es responsable del acta.

Estudios en los que se imparte