~~NOCACHE~~
====== Seminar Supercomputer: Forschung und Innovation ======
===== Beschreibung =====
In diesem Seminar geht darum, aktuelle Entwicklungen im Bereich des High-Performance Computings zu betrachten.
Beachten Sie auch unsere allgemeinen organisatorischen [[:teaching:organisatorische_hinweise:seminar_proseminar#seminare|Hinweise zu Seminaren]].
===== Zielgruppe =====
Das Seminar eignet sich für Studierende der Informatik in den Diplom- und Bachelorstudiengängen.
Studierende anderer Studiengänge müssen die Anrechnung mit dem jeweiligen Prüfungsausschuss klären.
Interessierte Zuhörer sind auch herzlich willkommen.
===== Daten der Veranstaltung =====
|| Zeit || Di. 10-12 ||
|| Ort || DKRZ Raum 034||
|| Mailingliste || [[https://wr.informatik.uni-hamburg.de/listinfo/sfi-2425|SFI-2425]] ||
===== Dozenten =====
* [[People:Anna Fuchs]]
* [[People:Jannek Squar]]
- Grundlagen von Künstlicher Intelligenz (AI) und Maschinellem Lernen (ML) -- Alkan Kaya
- Neuronale Netzwerke: Aufbau und Funktionsweise -- Mohamad Rashid Naimi
- Supervised vs. Unsupervised Learning -- Hauke Hornecker
- Deep Learning und HPC: Potenziale und Herausforderungen -- Farah Saif
- Hardware-Beschleunigung für ML/AI: GPUs und TPUs -- Marius Niveri
- Parallelisierung von ML/AI-Modellen auf HPC-Systemen -- Gregor Stange
- Speicherarchitektur und I/O für AI-Workloads -- Jakob Rinsdorf
- Verteiltes Training von ML-Modellen in HPC-Umgebungen -- Hark Merkau
- Bibliotheken und Frameworks für ML auf HPC-Systemen -- Noah Münstermann
- Einsatz von AI/ML zur Optimierung von HPC-Systemen -- Luis Amend
- Zukunft der AI und ML im HPC: Exascale Computing und darüber hinaus -- Mateen Khalid
- Use Cases: AI und ML in der wissenschaftlichen Forschung auf HPC-Systemen -- Eduard Fejl
- Erasure Coding, RAID -- Leo Grimme
- Application Tracing -- Jan Mägdefrau
- Beispiele: scorep, tinyprof, tau, darshan, hpctoolkit, caliper, likwid
- Non-invasives Application-tracing
- Instrumentiertes Application Tracing
- ... as a Service -- Christian Iltner
- GPUs -- Ben Giese
- GPU Alternativen: FPGA, DPU, IPU, QPU, Vektorkarten -- Jarne Münster
- Rechnen auf distributed Memory -- Laurent Reher
- Quantum Computing (konkrete Anwendungen) -- Helena Jäger
- Green HPC -- Luka Dinic
- Debugging (gdb, DDT, compiler sanitizer, static code analysers [z.B. MPI-Checker]) -- Florian Eigendorf
** Noch offene Themen **
- Weathergenerator
- Monitoring
- Workflow Engines
- Statische Verhaltensanalyse
- NeuralGCM
===== Zeitplan =====
* 15.10.24 Themenvorstellung und Organisatorisches, Kurzvortrag zur Übersicht und HPC-Kontext
* 22.10.24 frei - Themenwahlverkündung hier auf der Webseite
* 29.10.24 frei
* 05.11.24 frei
* 12.11.24 frei
* 19.11.24 10:15
* Feedback Abgabe: 26.11.24, 13:59
* 01. ... as a Service ((Jannek Squar)) -- Christian Iltner
* 02. Green HPC ((Jannek Squar)) -- Luka Dinic
* 3. Quantum Computing (konkrete Anwendungen) ((Jannek Squar)) -- Helena Jäger
* 26.11.24 10:15 **Raum 023**
* Feedback Abgabe: 26.11.24, 13:59
* 04. Erasure Coding, RAID ((Jannek Squar)) -- Leo Grimme
* 05. Grundlagen von Künstlicher Intelligenz (AI) und Maschinellem Lernen (ML) ((Anna Fuchs)) -- Alkan Kaya
* 03.12.24 10:15
* Feedback Abgabe: 03.12.24, 13:59
* 06. Neuronale Netzwerke: Aufbau und Funktionsweise ((Jannek Squar)) -- Mohamad Rashid Naimi
* 07. Supervised vs. Unsupervised Learning ((Jannek Squar)) -- Hauke Hornecker
* 10.12.24 10:15 **Raum 023**
* Feedback Abgabe: 10.12.24, 13:59
* 08. Use Cases: AI und ML in der wissenschaftlichen Forschung auf HPC-Systemen ((Jannek Squar)) -- Eduard Fejl
* 09. Deep Learning und HPC: Potenziale und Herausforderungen ((Jannek Squar)) -- Farah Saif
* 17.12.24 10:15
* Feedback Abgabe: 17.12.24, 13:59
* 10. Einsatz von AI/ML zur Optimierung von HPC-Systemen ((Anna Fuchs)) -- Luis Amend
* 11. Zukunft der AI und ML im HPC: Exascale Computing und darüber hinaus ((Jannek Squar)) -- Mateen Khalid
* 20. Debugging ((Jannek Squar)) -– Florian Eigendorf
* 07.01.25 10:15
* Feedback Abgabe: 07.01.25, 13:59
* 12. Speicherarchitektur und I/O für AI-Workloads ((Anna Fuchs)) -- Jakob Rinsdorf
* 13. GPUs ((Jannek Squar)) -- Ben Giese
* 14.01.25 10:15
* Feedback Abgabe: 14.01.25, 13:59
* 14. Hardware-Beschleunigung für ML/AI: GPUs und TPUs ((Jannek Squar)) -- Marius Niveri
* 15. GPU Alternativen: FPGA, DPU, IPU, QPU, Vektorkarten ((Jannek Squar)) -- Jarne Münster
* 21.01.25 10:15
* Feedback Abgabe: 21.01.25, 13:59
* 16. Rechnen auf distributed Memory ((Jannek Squar)) -- Laurent Reher
* 17. Verteiltes Training von ML-Modellen in HPC-Umgebungen ((Jannek Squar)) -- Hark Merkau
* 28.01.25 10:15
* Feedback Abgabe: 28.01.25, 13:59
* 18. Parallelisierung von ML/AI-Modellen auf HPC-Systemen ((Jannek Squar)) -- Gregor Stange
* 19. Bibliotheken und Frameworks für ML auf HPC-Systemen ((Jannek Squar)) -- Noah Münstermann