teaching:sommersemester_2019:python_im_hochleistungsrechnen

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revision Previous revision
Next revision
Previous revision
Next revision Both sides next revision
teaching:sommersemester_2019:python_im_hochleistungsrechnen [2019-01-23 13:53]
Michael Kuhn [Beschreibung]
teaching:sommersemester_2019:python_im_hochleistungsrechnen [2019-04-01 09:55]
Jakob Lüttgau [Themen]
Line 4: Line 4:
  
 Python als einfach zu lernende objekt-orientierte Programmiersprache ist seit jeher beliebt für die Automatisierung kleinerer Aufgaben im Alltag oder im Kontext von Web-Anwendungen. Python als einfach zu lernende objekt-orientierte Programmiersprache ist seit jeher beliebt für die Automatisierung kleinerer Aufgaben im Alltag oder im Kontext von Web-Anwendungen.
-Erst kürzlich stieg Python ​zur beliebtesten ​Programmiersprache ​auf.+Erst kürzlich stieg Python ​zu einer der beliebtesten ​Programmiersprachen ​auf.
 Dieser Umstand ist nicht zuletzt dem sich stetig verbessernden Ökosystem aus einer umfänglichen Standardbibliothek,​ der relativ großen Entwickler-Community und vielen hochwertigen Zusatzpaketen wie z. B. Numpy, Django, TensorFlow oder Pandas zu verdanken. Dieser Umstand ist nicht zuletzt dem sich stetig verbessernden Ökosystem aus einer umfänglichen Standardbibliothek,​ der relativ großen Entwickler-Community und vielen hochwertigen Zusatzpaketen wie z. B. Numpy, Django, TensorFlow oder Pandas zu verdanken.
 Insbesondere die Bibliotheken aus den Bereichen Data Science und Machine Learning machen Python auch im Hochleistungsrechnen zunehmend relevant. Insbesondere die Bibliotheken aus den Bereichen Data Science und Machine Learning machen Python auch im Hochleistungsrechnen zunehmend relevant.
Line 40: Line 40:
     * Datatypes and Data Structures     * Datatypes and Data Structures
     * Object Model     * Object Model
 +    * Generators, List Comprehensions
     * Decorators     * Decorators
-    * shebang+    * (shebang)
   * PEPs   * PEPs
   * Standard packages   * Standard packages
     * An overview of the default packages     * An overview of the default packages
     * Handling unicode     * Handling unicode
-    * argparse+    * argparse, click..
     * logging     * logging
     * itertools     * itertools
Line 58: Line 59:
     * Documentation with Sphinx     * Documentation with Sphinx
     * Testing in Python (pytest, nose, ...)     * Testing in Python (pytest, nose, ...)
 +    * pylint
   * Python Performance   * Python Performance
     * C vs. pure Python, C vs. e.g., Numpy     * C vs. pure Python, C vs. e.g., Numpy
Line 65: Line 67:
     * MPI     * MPI
     * GPU support?     * GPU support?
 +    * Dask (distributed scheduling)
   * Important external Python Packages   * Important external Python Packages
     * Numpy     * Numpy
Line 79: Line 82:
   * Tensorflow (Architecture Perspective)   * Tensorflow (Architecture Perspective)
   * Spack (Architecture Perspective,​ How-To)   * Spack (Architecture Perspective,​ How-To)
 +  * OpenStack (Architecture Perspective)
   * Web Related (Flask, Django, Rest-Frameworks)   * Web Related (Flask, Django, Rest-Frameworks)
 ===== Zeitplan ===== ===== Zeitplan =====
teaching/sommersemester_2019/python_im_hochleistungsrechnen.txt · Last modified: 2019-06-26 17:08 by Michael Kuhn