Competencies and objectives

 

Course context for academic year 2025-26

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.

 

 

Course competencies (verified by ANECA in official undergraduate and Master’s degrees) for academic year 2025-26

Transversal Competences

  • 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

 

General Competences

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

 

Specific Competences

  • 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

 

Basic Competences

  • 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 : Possess and understand knowledge that provides a basis or opportunity to be original in the development and/or application of ideas, often in a research context
  • CB7 : That students know how to apply the knowledge acquired and their ability to solve problems in new or little-known environments within broader (or multidisciplinary) contexts related to their area of ¿¿study
  • 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 : Students are able to communicate their conclusions and the ultimate knowledge and rationale behind them to specialist and non-specialist audiences in a clear and unambiguous way.

 

 

 

Learning outcomes (Training objectives)

· 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.

 

 

Specific objectives stated by the academic staff for academic year 2025-26

No data

 

 

General

Code: 49237
Lecturer responsible:
Arnal García, José
Credits ECTS: 3,00
Theoretical credits: 0,50
Practical credits: 0,70
Distance-base hours: 1,80

Departments involved

  • Dept: Computer Science and Artificial Intelligence
    Area: CIENCIA DE LA COMPUTACIO, INTEL·LIGENCIA ARTIFICIA
    Theoretical credits: 0,5
    Practical credits: 0,7
    This Dept. is responsible for the course.
    This Dept. is responsible for the final mark record.

Study programmes where this course is taught