GPGPU programozás oktatása
|
|
- Lili Kis
- 7 évvel ezelőtt
- Látták:
Átírás
1 GPGPU programozás oktatása Szénási Sándor Összefoglalás A grafikus kártyák hagyományosan a képernyő tartalmának megjelenítéséért feleltek, ez azonban az évek folyamán lassan megváltozott. Ennek első látványos lépése a 90-es években megjelenő 3D gyorsítókártyák megjelenése (majd integrálása) volt. A későbbiekben a különféle új funkciók beépítését követően ezek a kártyák egyre sokrétűbben használható eszközök lettek, míg néhány évvel ezelőtt (jelentős részben az Nvidia CUDA környezetének kiadásának köszönhetően) elérkezett az idő, hogy általános célú végrehajtóegységeknek tekinthessük őket. Míg a hagyományos CPU-knál is a többmagos architektúrák fejlesztése lett a fő irány, addig a grafikus kártyák esetében is egyre nagyobb mennyiségű végrehajtóegységgel találkozhatunk, bár itt egészen más mértékekről beszélhetünk, napjaink csúcskártyáiban a végrehajtóegységek száma már meghaladja az ezret. A grafikus kártyák programozás azonban jelentősen eltér a hagyományos többmagos CPU-knál megszokottól, mivel itt alapvetően adatpárhuzamos kódok futtatására van csak lehetőség. Előadásomban ezt a környezetet szeretném bemutatni, illetve az oktatásához megvalósított tananyagot. Kulcsszavak: CUDA, GPGPU, grafikus kártya, adatpárhuzamos algoritmusok, párhuzamos programozás, programozás oktatás, I23 Abstract Teaching GPGPU programming Traditionally video display adapters were responsible for the representation of content in the screen, however this slowly altered during the last twenty years. The first spectacular step of this was the appearance (and later the integration) of the 3D accelerator cards in the 90s. Later in the aftermath of integration of several new functions, these cards become more and more comprehensive devices, and in the last few years (mainly due to the release of the Nvidia CUDA environment) the hour came to rate these set of tools as general-purpose processing units. While the main direction of the traditional CPU development is increasing the number of cores, in case of the video display adapters we 1
2 can see more and more processing units too. However in this case we can talk about quite different dimensions, the number of processing units is more than one thousand in the top-level graphics cards. Programming video display adapters is however remarkably different to the programming of multi-core CPUs, because the only opportunity to utilize the processing power of the GPU is the development of data-parallel algorithms. In my presentation I would like to present this environment and the already existing course notes. Keywords: CUDA, GPGPU, graphics card, data-parallel algorithms, parallel programming, teaching programming, I23 Bevezetés Egyre gyakrabban, egyre több fejlesztés során merül fel a GPGPU betűszó. A grafikus kártyák programozása napjainkban már egyértelműen megérett a gyakorlati alkalmazásra, a legnagyobb ipari szereplők (bankok, elemző cégek) hirdetik, hogy számításaik jelentős részét ezekkel a nagy csúcsteljesítménnyel rendelkező eszközökkel végzik el. Szinte egy teljesen új terület kifejlődésének lehettünk tanúi az utóbbi néhány évben. Alig 20 éve a grafikus kártyák egyetlen szerepe a számítógép memóriájában található kép analóg jellé való alakítása volt, amit a hozzá csatlakoztatott monitor meg tudott jeleníteni. A fejlődés sokáig pusztán a felbontás, színmélység, sebesség változását jelentette, a mérföldkő az első 3D gyorsítók megjelenése, majd ezek grafikus kártyára való integrálása lett. Mivel a monitorok fejlődése nem volt elég gyors, így a képminőség szempontjából a grafikus kártyákat sem volt érdemes továbbfejleszteni, a különféle 3D gyorsítási funkciók azonban új lendületet adtak ennek az iparágnak. Mind az ipari felhasználók (tervezés, animációk készítése), de méginkább a játékipar (különféle, 3D megjelenítést alkalmazó játékok megjelenése és elterjedése) hozzájárult ahhoz, hogy egyre nagyobb teljesítményre volt szükség, és a felbontással ellentétben a 3D teljesítmény növelésének lehetősége szinte határtalannak tűnt. A kártyák kezdetben elkülönült, dedikált eszközöket tartalmaztak a különféle feladatok végrehajtására (pixel shader, vertex shader, geometry shader), ezek megfelelő aránya azonban meglehetősen sok kérdést vetett fel, hiszen egészen más arányban van rájuk szükség pl. egy tájkép 2
3 kirajzolásakor (összetett geometria, viszont egyszerű textúra) mint pl. egy tervező program esetében (egyszerűbb geometria, viszont nagyon kifinomult árnyékolás). A megoldást az jelentette, hogy az egyes egymást követő generációkban egyre inkább hasonlítani kezdtek a különféle shaderek, míg néhány éve megjelent a unified shader model, amely egy olyan architektúrát jelez, ahol a grafikus kártya nagyszámú, általános célú végrehajtóegységet tartalmaz, amelyek el tudják végezni az összes, 3D modellezés során elvégzendő feladatot. Mivel ezek a végrehajtóegységek valóban szabadon programozhatók lettek, azonnal felmerült a lehetőség, hogy használjuk ezeket a grafikus megjelenítésen túlmenően egyéb számításigényes feladatokhoz (mivel ekkorra a grafikus kártyák csúcsteljesítménye már messze meghaladta a hagyományos CPU-két). Erre a gyártók azonnal válaszoltak is, és kiadtak különféle fejlesztői környezeteket, amelyek ezt lehetővé tették. GPGPU oktatás napjainkban A felsőoktatás nagyon gyorsan tudta követni ezeket a változásokat. Az első, hivatalosan is támogatott, és a fejlesztők számára jól használható fejlesztői környezet, a CUDA júniusában jelent meg, és szinte azonnal megjelentek a különféle ehhez kapcsolódó kutatások, tárgyak, központok. Elsőként 2008-ban az Illinoisi Egyetemen (Maiellaro, 2008), de nagyon gyorsan megjelentek hazánkban is az ezzel foglalkozó központok, az Óbudai Egyetemen már 2008-ban indult ezzel kapcsolatos kutatás, illetve 2009-ben már elindult a Masszívan Párhuzamos Programozás nevű tárgy. GPGPU oktatás során mindenképpen hangsúlyt kell fektetni a hardver környezet megismerésére. Ez természetesen minden eszköz programozása esetén így van, míg azonban a hagyományos programozás egyre magasabb absztrakciós szinteken jelenik meg, így a mögötte lévő gépi architektúra egyre inkább láthatatlanná válik, addig a GPGPU-k esetében mind a fejlesztői eszközök, mind a fejlesztés metodikája meglehetősen kezdetleges, így ott még gépközeli kódok írására van szükség. Időközben a GPGPU-k olyan szinten beépültek a köztudatba, hogy azok hardver ismerete már nem is jelent feltétlenül egy különálló, erre specializált tárgyat, hanem az már szerves részét kell, hogy képezze az 3
4 általánosan elfogadott számítógép architektúrákkal foglalkozó tárgyaknak (Sima, 2013), mint a többmagos CPU-k alternatívái. Környezet és nyelv kiválasztása Ez az előadás azonban főleg a grafikus kártyák programozására fókuszál, ami szintén felvet néhány fontos kérdést. Ezen a területen még messze nem beszélhetünk olyan kiforrott eszközökről, mind a hagyományos CPU-k esetében, ahol évtizedeken keresztül egymással kompatibilis processzorok jelentették a fő irányt, így ez a stabilitás lehetővé tette, hogy készülhessenek végletekig kifinomult programfejleszői környezetek, különféle programozási nyelvek. A grafikus kártyák esetében, bár a legnagyobb gyártók kártyái mind lehetővé teszik azok programozását, azonban maguk az eszközök egymással nem kompatibilisek (sőt, azok felépítése is meglehetősen különböző, így még egyszerű konverzióra sem számíthatunk az egyes architektúrák között). Emiatt két lehetőség közül választhatunk: Egy adott gyártó eszközeinek a választása. Az Nvidia esetében ebben az esetben egyértelműen a gyártó által fejlesztett CUDA programozási környezet jelenti a legegyszerűbb lehetőséget. Platformfüggetlen eszközök választása. Az OpenCL környezet lehetővé teszi olyan adatpárhuzamos programok fejlesztését, amely alkalmas mindkét nagy gyártó (Nvidia, AMD) kártyáinak a használatát. A gyakorlati tapasztalatok azonban azt mutatják, hogy ezek az eszközök valamivel nehézkesebbek, illetve éppen a teljes kompatibilitás miatt ezekkel nem használhatók ki az egyes kártyák apróbb lehetőségei. Így azt az esetet kivéve, amikor valóban szükség van az egyes kártyák között portolható kódok készítésére, ez a megoldás nem jelent különösebb előnyt. A fentiek alapján a CUDA környezetet választottuk (és ajánljuk most is) a fejlesztésekre, ami értelemszerűen azt jelenti, hogy célszerűen Nvidia grafikus kártyákkal felszerelt laborokra van szükség. A hardver eszközök kiválasztása itt szintén meglehetősen nagy odafigyelést igényel. A CPU-k esetében már olyan szinten konszolidálódtak a processzor architektúrák, hogy a sebességen túlmenően nem veszünk észre különösebb változást az egyes eszközök 4
5 között. A grafikus kártyák azonban még a mai napig dinamikusan, és néha drasztikus változásokon keresztül fejlődnek, így nem érdemes régebbi generációkat választani, mivel az nem pusztán lassabb lesz, hanem sok feladatra egyszerűen alkalmatlan. Egy lehetséges tematika Fontos leszögezni, hogy a GPGPU programozás jóval nehezebben sajátítható el, mint a hagyományos programozás, mivel: A rendelkezésre álló eszközök kevésbé kiforrottak. Kevesebb lehetőséggel bírnak, és a megbízhatóságuk sem 100%-os minden esetben (főleg a segédprogramok esetében, pl. debugger). A GPGPU, bár egyre inkább tekinthető általános célú eszköznek, még mindig számos korlátot tartalmaz, amikhez a fejlesztőnek alkalmazkodnia kell. Ez nyilván gyakorlatot igényel, hogy egy esetleges probléma esetén a programozó számára azonnal felmerüljenek alternatív utak, amelyek segítségével meg tudja oldani az adott feladatot. A hardver sajátosságaiból kiindulva, GPGPU programkódoknak főleg akkor érdemes nekiállni, ha maga a feladat nagyon jól párhuzamosítható, ami a gyakorlatban több ezer szál indítását is igényelheti. Mind az ilyen feladatok megértése, mind a megoldások megtervezése és implementálása csak tapasztalt programozók számára lehetséges. Ebből is látható, hogy nem kezdőknek szóló tárgyról van szó, csak olyanoknak ajánlható, akik már túl vannak a programozási alapismereteken, és azokat teljesen magabiztosan bírják, így tudnak rá biztosan építkezni (Tick, 2003). Az alapoknál kezdve célszerű az alábbi lépéseket követni: GPGPU hardver alapismeretek: mindenképpen lényeges megismerni ezeknek az eszközöknek a felépítését, és ha esetleg ennek már birtokában is vannak a hallgatók, akkor is fontos kiemelni a speciális jellemzők hatását magára a programfejlesztési folyamatra. Pl. a gyorsítótár hierarchia, illetve a kontextusváltás gyorsasága vezet ahhoz a felismeréshez, hogy a 5
6 végrehajtóegységek számánál jóval több szál indítása vezet általában a grafikus kártya csúcsteljesítményének kiaknázásához. CUDA programozási alapismeretek: mivel a CUDA a C nyelvre épül, így magának a programozási nyelv alapjainak a megismerése nem jelent különösebb problémát, az már néhány alkalom után elsajátítható. Természetesen számos újdonság is megjelenhet (eszközök kezelése, kernelek fordítása, indítása), de ezek többnyire csak technikai részletek, amelyek egy-két mintapéldán keresztül könnyen megérthetők. Fejlesztői környezet megismerése: bár az alapfogalmak hasonlóak, mégis számos megszokott eszköz másként működik a grafikus kártyák esetében. A fordítóprogram egyszerre fordít a CPU és a GPGPU számára is kódot, több ezer szál esetén egészen másként érdemes használni a nyomkövetést. Ezekre a részletekre mindenképpen célszerű időt szánni, mivel az algoritmusok megtervezését követő lépéseknél, lényegesek lehetnek. CUDA mélyebb ismeretek: mivel a GPGPU programozás célja a lehető legnagyobb teljesítmény elérése, így mindenképpen szükséges az eszközök használatának mélyebb ismerete. Ez amiatt is lényeges, mivel itt nem állnak rendelkezésre magas szintű automatikus optimalizációs lehetőségek, és bizonyos tervezési döntések (pl. megosztott memória használata) akár több százszoros sebesség növekedést, vagy csökkenést is eredményezhetnek. Mintafeladatok megoldása: hagyományos eszközökhöz szokott fejlesztőknek nehézséget okozhat az átállás adatpárhuzamos környezetbe, emiatt érdemes egy-két mintafeladaton keresztül kipróbálni a módszer lehetőségeit. Ezek abban is segíthetnek, hogy még az implementáció előtt tudjunk becslést adni arra, hogy egy esetleges GPGPU-ra való portolás milyen mértékű sebességnövekedést jelentene. Több GPU használata: a gyakorlatban ez már jóval nehezebben kivitelezhető, mivel olyan laborokra lenne szükség, ahol egy gépben egynél több CUDA kompatibilis kártya található, napjainkban ez még nem tekinthető általánosnak. Mindenképpen érdemes azonban szót ejteni ezekről a lehetőségekről, mivel az egyetemeken folyó kutatásokba bekapcsolódva már elérhetőek ezek az eszközök, teljesítményük pedig értelemszerűen többszöröse az egy grafikus kártyát tartalmazó rendszerekének. 6
7 Otthoni feladatok A programozásról általában elmondható, hogy nem tanulható meg pusztán heti 2-3 órában, mindenképpen a hallgató aktív közreműködését igényli. Ebben az esetben ez hatványozottan igaz, mivel a heti néhány órás alkalmak során csak az eszközök bemutatására, illetve néhány mintafeladat bemutatására van lehetőség. A meglehetősen nehézkes fejlesztés miatt már közepes méretű alkalmazások fejlesztésére sincs idő, ez azonban meglehetősen fontos, így célszerű ezt valamilyen otthoni feladat keretében megvalósítani. A mi esetünkben ezt beadandó házi feladat segítségével oldottuk meg, ami nagyon pozitív eredményeket hozott. A feladat egy egyszerű biológiai szimuláció megvalósítása volt: egy megadott területen Fű, Kecskék és Farkasok helyezkednek, megadott szabályok szerint mozognak, szaporodnak, vadásznak. A feladat az egyes szimulációs lépések végrehajtása adatpárhuzamos módon, illetve az aktuális állapot szemléltetése a képernyőn. A házi feladat egyik legnagyobb tanulsága az volt, hogy az adatpárhuzamos programozásban tapasztalatlan hallgatók ezen hiányosságukat nagyfokú kreativitással tudták ellensúlyozni. Az egyszerű feladat számos kérdést fel, már az adatok eltárolásától kezdve (milyen adatszerkezetben, milyen formában) az egyes szimulációs lépésekig (a legnagyobb probléma a különböző versenyhelyzetek kezelése). A hallgatóknak év végén egy rövid előadás formájában kellett bemutatniuk az elkészült programokat, illetve azok működési alapelveit. Tökéletesen működő feladatot ugyan csak kevesen tudtak bemutatni, mégis nagyon sok jó ötlet hangzott el, amelyek összegzéséből már valóban neki lehetne állni egy meglehetősen hatékony megoldásnak. Eredmények A GPGPU programozásban való jártasság napjainkban még nem tekinthető általános elvárásnak, így ennek megfelelően ez a tárgy is csak választható formában indult egymás után több éven keresztül. Azonban mindig meglehetősen nagy érdeklődés övezte, láthatóan a programozás iránt érdeklődő hallgatók számára kimondottan vonzó ez a terület. 7
8 Ennek megfelelően a hallgatók többsége sikeresen teljesítette a félévet, és eljutott arra a szintre, hogy alkalmas adatpárhuzamos algoritmusok tervezésére és azok implementálására. Ezt a tudást a későbbiekben nagyon jól kamatoztathatták egyéb, a programozáson alapuló tárgyak során (Vámossy et al, 2008). Maga az implementáció egy félév alatt szinte hiánytalanul elsajátítható, a tervezés azonban már egy sokkal összetettebb terület, ott a tapasztalatok azt mutatják, hogy mindenképpen szükség van többéves (hagyományos) programozói rutinra, hogy valaki jól átlássa egy feladat megoldási lehetőségeit, és azok közül ki tudja választani azt az alternatívát, ami hatékonyan implementálható GPGPU-n. Külön érdemes megjegyezni, hogy a hallgatók közül többen be tudtak kapcsolódni az egyetemen folyó kutatásokba, több szakdolgozat és diplomamunka témája is a grafikus kártyák programozásával foglalkozik. Hivatkozott források Bridget Maiellaro, University of Illinois named world's first CUDA Center of Excellence, wins parallel computing funding, ECO Illinois, 2008, D. Sima, Architecture of Parallel Systems (MSc course), Óbuda University, Course notes, 2013 J. Tick, How to achive good skills in Software Engineering a practical way to train software developers, 1st Slovalian-Hungarian Joint Symposium on Applied Machine Intelligence, Herlany, 2003 Z. Vámossy, Sz. Sergyán, Képfeldolgozás szakterületi oktatása, Informatika a felsőoktatásban 2008 konferencia, Debrecen, 2008, ISBN: Szerző(k) Szénási Sándor PhD Tanársegéd Óbudai Egyetem, Neumann János Informatika Kar, SZTI szenasi.sandor@nik.uni-obuda.hu 8
GPGPU alapok. GPGPU alapok Grafikus kártyák evolúciója GPU programozás sajátosságai
GPGPU alapok GPGPU alapok Grafikus kártyák evolúciója GPU programozás sajátosságai Szenasi.sandor@nik.uni-obuda.hu GPGPU alapok GPGPU alapok Grafikus kártyák evolúciója GPU programozás sajátosságai Szenasi.sandor@nik.uni-obuda.hu
RészletesebbenGrafikus csővezeték 1 / 44
Grafikus csővezeték 1 / 44 Grafikus csővezeték Vertex feldolgozás A vertexek egyenként a képernyő térbe vannak transzformálva Primitív feldolgozás A vertexek primitívekbe vannak szervezve Raszterizálás
RészletesebbenA CUDA előnyei: - Elszórt memória olvasás (az adatok a memória bármely területéről olvashatóak) PC-Vilag.hu CUDA, a jövő technológiája?!
A CUDA (Compute Unified Device Architecture) egy párhuzamos számításokat használó architektúra, amelyet az NVIDIA fejlesztett ki. A CUDA valójában egy számoló egység az NVIDIA GPU-n (Graphic Processing
RészletesebbenKUTATÁSOK INFORMATIKAI TÁMOGATÁSA. Dr. Szénási Sándor
KUTATÁSOK INFORMATIKAI TÁMOGATÁSA Dr. Szénási Sándor szenasi.sandor@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar Alkalmazott Informatikai Intézet Alapvető jellemzői NVIDIA GTX 1080 2560
RészletesebbenA GRAFIKUS HARDVEREN (GPGPU) IMPLEMENTÁLT ALKALMAZÁSOK SEBEZHETŐSÉGEI
IX. Évfolyam 1. szám - 2014. március Sergyán Szabolcs Szénási Sándor - Vámossy Zoltán sergyan.szabolcs@nik.uni-obuda.hu - szenasi.sandor@nik.uni-obuda.hu - vamossy.zoltan@nik.uni-obuda.hu A GRAFIKUS HARDVEREN
RészletesebbenA DEBRECENI MÉRNÖK INFORMATIKUS KÉPZÉS TAPASZTALATAIRÓL. Kuki Attila Debreceni Egyetem, Informatikai Kar. Összefoglaló
A DEBRECENI MÉRNÖK INFORMATIKUS KÉPZÉS TAPASZTALATAIRÓL TEACHING EXPERIENCES OF THE IT ENGINEERING COURSE OF UNIVERSITY OF DEBRECEN Kuki Attila Debreceni Egyetem, Informatikai Kar Összefoglaló A Debreceni
RészletesebbenÓbudai Egyetem. Doktori (PhD) értekezés. Adatpárhuzamos sejtmagkeresési eljárás fejlesztése és paramétereinek optimalizálása Szénási Sándor
Óbudai Egyetem Doktori (PhD) értekezés Adatpárhuzamos sejtmagkeresési eljárás fejlesztése és paramétereinek optimalizálása Szénási Sándor Témavezető: Vámossy Zoltán, PhD Alkalmazott Informatikai Doktori
RészletesebbenGPU-Accelerated Collocation Pattern Discovery
GPU-Accelerated Collocation Pattern Discovery Térbeli együttes előfordulási minták GPU-val gyorsított felismerése Gyenes Csilla Sallai Levente Szabó Andrea Eötvös Loránd Tudományegyetem Informatikai Kar
RészletesebbenOpenCL - The open standard for parallel programming of heterogeneous systems
OpenCL - The open standard for parallel programming of heterogeneous systems GPU-k általános számításokhoz GPU Graphics Processing Unit Képalkotás: sok, általában egyszerű és független művelet < 2006:
RészletesebbenInformatika a felsőoktatásban 2008 Debrecen, 2008. augusztus 27-29. JAVA PROGRAMOZÁSI NYELV OKTATÁSA C# ALAPOKON
JAVA PROGRAMOZÁSI NYELV OKTATÁSA C# ALAPOKON TEACHING OF JAVA PROGRAMMING LANGUAGE ON BASIC LEVEL Szénási Sándor Budapesti Műszaki Főiskola, Neumann János Informatikai kar Összefoglaló Az informatika karokon
RészletesebbenGPGPU ÚJ ESZKÖZÖK AZ INFORMÁCIÓBIZTONSÁG TERÜLETÉN
IV. Évfolyam 4. szám - 2009. december Szénási Sándor szenasi.sandor@nik.bmf.hu GPGPU ÚJ ESZKÖZÖK AZ INFORMÁCIÓBIZTONSÁG TERÜLETÉN Absztrakt A processzor architektúrák elmúlt években bekövetkező fejlődésének
RészletesebbenPÁRHUZAMOS SZÁMÍTÁSTECHNIKA MODUL AZ ÚJ TECHNOLÓGIÁKHOZ KAPCSOLÓDÓ MEGKÖZELÍTÉSBEN
PÁRHUZAMOS SZÁMÍTÁSTECHNIKA MODUL AZ ÚJ TECHNOLÓGIÁKHOZ KAPCSOLÓDÓ MEGKÖZELÍTÉSBEN PARALLEL COMPUTING MODULE BASED ON THE NEW TECHNOLOGIES Vámossy Zoltán 1, Sima Dezső 2, Szénási Sándor 3, Rövid András
RészletesebbenPárhuzamos és Grid rendszerek
Párhuzamos és Grid rendszerek (10. ea) GPGPU Szeberényi Imre BME IIT Az ábrák egy része az NVIDIA oktató anyagaiból és dokumentációiból származik. Párhuzamos és Grid rendszerek BME-IIT
RészletesebbenMérnök informatikus mesterszak mintatanterve (GE-MI) nappali tagozat/ MSc in, full time Érvényes: 2011/2012. tanév 1. félévétől, felmenő rendszerben
Mérnök informatikus mesterszak mintatanterve (GE-MI) nappali tagozat/ MSc in, full time Érvényes: 2011/2012. tanév 1. félévétől, felmenő rendszerben Tantárgy Tárgykód I. félév ősz II. félév tavasz Algoritmusok
RészletesebbenBevezetés. Többszálú, többmagos architektúrák és programozásuk Óbudai Egyetem, Neumann János Informatikai Kar
Többszálú, többmagos architektúrák és programozásuk Óbudai Egyetem, Neumann János Informatikai Kar Bevezetés Motiváció Soros és párhuzamos végrehajtás, soros és párhuzamos programozás Miért? Alapfogalmak
RészletesebbenDr. habil. Maróti György
infokommunikációs technológiák III.8. MÓDSZER KIDOLGOZÁSA ALGORITMUSOK ÁTÜLTETÉSÉRE KIS SZÁMÍTÁSI TELJESÍTMÉNYŰ ESZKÖZÖKBŐL ÁLLÓ NÉPES HETEROGÉN INFRASTRUKTÚRA Dr. habil. Maróti György maroti@dcs.uni-pannon.hu
RészletesebbenPárhuzamos programozási platformok
Párhuzamos programozási platformok Parallel számítógép részei Hardver Több processzor Több memória Kapcsolatot biztosító hálózat Rendszer szoftver Párhuzamos operációs rendszer Konkurenciát biztosító programozási
RészletesebbenGPU alkalmazása az ALICE eseménygenerátorában
GPU alkalmazása az ALICE eseménygenerátorában Nagy Máté Ferenc MTA KFKI RMKI ALICE csoport ELTE TTK Fizika MSc Témavezető: Dr. Barnaföldi Gergely Gábor MTA KFKI RMKI ALICE csoport Elméleti Fizikai Főosztály
RészletesebbenPárhuzamos programozási platformok
Párhuzamos programozási platformok Parallel számítógép részei Hardver Több processzor Több memória Kapcsolatot biztosító hálózat Rendszer szoftver Párhuzamos operációs rendszer Konkurenciát biztosító programozási
Részletesebben"A tízezer mérföldes utazás is egyetlen lépéssel kezdődik."
"A tízezert mérföldes utazás is egyetlen lépéssel kezdődik dik." A BINB INSYS Előadók: Kornafeld Ádám SYS PROJEKT Ádám MTA SZTAKI kadam@sztaki.hu Kovács Attila ELTE IK attila@compalg.inf.elte.hu Társszerzők:
RészletesebbenMagas szintű optimalizálás
Magas szintű optimalizálás Soros kód párhuzamosítása Mennyi a várható teljesítmény növekedés? Erős skálázódás (Amdahl törvény) Mennyire lineáris a skálázódás a párhuzamosítás növelésével? S 1 P 1 P N GPGPU
RészletesebbenOSZTOTT 2D RASZTERIZÁCIÓS MODELL TÖBBMAGOS PROCESSZOROK SZÁMÁRA
Multidiszciplináris tudományok, 3. kötet. (2013) sz. pp. 259-268. OSZTOTT 2D RASZTERIZÁCIÓS MODELL TÖBBMAGOS PROCESSZOROK SZÁMÁRA Mileff Péter Adjunktus, Miskolci Egyetem, Informatikai Intézet, Általános
RészletesebbenP-gráf alapú workflow modellezés fuzzy kiterjesztéssel
P-gráf alapú workflow modellezés fuzzy kiterjesztéssel Doktori (PhD) értekezés Tick József témavezető: Dr. Kovács Zoltán Pannon Egyetem Műszaki Informatikai Kar Informatikai Tudományok Doktori Iskola 2007.
RészletesebbenBevezetés a kvantum informatikába és kommunikációba Féléves házi feladat (2013/2014. tavasz)
Bevezetés a kvantum informatikába és kommunikációba Féléves házi feladat (2013/2014. tavasz) A házi feladatokkal kapcsolatos követelményekről Kapcsolódó határidők: választás: 6. oktatási hét csütörtöki
RészletesebbenGPGPU-k és programozásuk Dezső, Sima Sándor, Szénási
GPGPU-k és programozásuk Dezső, Sima Sándor, Szénási GPGPU-k és programozásuk írta Dezső, Sima és Sándor, Szénási Szerzői jog 2013 Typotex Kivonat A processzor technika alkalmazásának fejlődése terén napjaink
RészletesebbenÚtjelzések, akadályok felismerése valós időben
Útjelzések, akadályok felismerése valós időben Dr. Hidvégi Timót Széchenyi István Egyetem Győr, 9026, Egyetem tér 1. hidvegi@sze.hu 1. Bevezető Sajnos a közúton a balesetek egy része abból adódik, hogy
RészletesebbenFlynn féle osztályozás Single Isntruction Multiple Instruction Single Data SISD SIMD Multiple Data MISD MIMD
M5-. A lineáris algebra párhuzamos algoritmusai. Ismertesse a párhuzamos gépi architektúrák Flynn-féle osztályozását. A párhuzamos lineáris algebrai algoritmusok között mi a BLAS csomag célja, melyek annak
RészletesebbenA szak specializációi
A szak specializációi Specializációk A specializációválasztás során a hallgatónak preferenciasorrendet kell megjelölnie, legalább két specializáció megadásával. A specializációkra történő besorolás a hallgatók
RészletesebbenTamás Ferenc: S-VGA monitorok
Monitorok: SVGA Tamás Ferenc: SVGA monitorok A nagysikerű VGA monitort az IBM tervei szerint az XGA követte, de a valóságban a számítógépes gyárak még egy bőrt le akartak húzni az igen jól csengő, nagyon
RészletesebbenSzámítógépek felépítése
Számítógépek felépítése Emil Vatai 2014-2015 Emil Vatai Számítógépek felépítése 2014-2015 1 / 14 Outline 1 Alap fogalmak Bit, Byte, Word 2 Számítógép részei A processzor részei Processzor architektúrák
RészletesebbenDr. Schuster György október 30.
Real-time operációs rendszerek RTOS 2015. október 30. Jellemzők ONX POSIX kompatibilis, Jellemzők ONX POSIX kompatibilis, mikrokernel alapú, Jellemzők ONX POSIX kompatibilis, mikrokernel alapú, nem kereskedelmi
RészletesebbenPodoski Péter és Zabb László
Podoski Péter és Zabb László Bevezető Algoritmus-vizualizáció témakörében végeztünk kutatásokat és fejlesztéseket Felmértük a manapság ismert eszközök előnyeit és hiányosságait Kidolgoztunk egy saját megjelenítő
RészletesebbenGPGPU. Architektúra esettanulmány
GPGPU Architektúra esettanulmány GeForce 7800 (2006) GeForce 7800 Rengeteg erőforrást fordítottak arra, hogy a throughput-ot maximalizálják Azaz a különböző típusú feldolgozóegységek (vertex és fragment
RészletesebbenSzámítógépek architektúrák. Architektúrák
Számítógépek architektúrák Architektúrák Bemutatkozom Dr. Kovács Szilveszter, egyetemi docens szkovacs@iit.uni-miskolc.hu http://www.iit.uni-miskolc.hu/~szkovacs Tel: +36 46 565-136 Informatikai Intézet
RészletesebbenKészítette: Trosztel Mátyás Konzulens: Hajós Gergely
Készítette: Trosztel Mátyás Konzulens: Hajós Gergely Monte Carlo Markov Chain MCMC során egy megfelelően konstruált Markov-lánc segítségével mintákat generálunk. Ezek eloszlása követi a céleloszlást. A
RészletesebbenAlapismeretek. Tanmenet
Alapismeretek Tanmenet Alapismeretek TANMENET-Alapismeretek Témakörök Javasolt óraszám 1. Számítógépes alapfogalmak 2. A számítógép felépítése, hardver, A központi egység 3. Hardver Perifériák 4. Hardver
RészletesebbenProgramtervező informatikus BSc 2018, Szoftverfejlesztő specializáció ajánlott tantervi háló. Törzsanyag. Konzultáció Kredit
Programtervező informatikus BSc 2018, Szoftverfejlesztő specializáció ajánlott tantervi háló Törzsanyag IP-18SZGREG Számítógépes rendszerek 2 X 2 Gy 1 5 1 2+2+1 Informatika IP-18PROGEG Programozás 2 X
RészletesebbenMIKROKONTROLLEREK ALKALMAZÁSA AUTOMATA REPÜLŐ SZERKEZETEKBEN 4 BEVEZETÉS
Schuster György 1 Terpecz Gábor 2 Radnai Viktor 3 MIKROKONTROLLEREK ALKALMAZÁSA AUTOMATA REPÜLŐ SZERKEZETEKBEN 4 A járművekben a 80-as évek elejétől alkalmaznak mikrokontrollereket, ez az utóbbi másfél
RészletesebbenGPGPU programozás lehetőségei. Nagy Máté Ferenc Budapest ALICE ELTE TTK Fizika MSc 2011 e-science Café
GPGPU programozás lehetőségei Nagy Máté Ferenc Budapest ALICE ELTE TTK Fizika MSc 2011 e-science Café Vázlat Egy, (kettő,) sok. Bevezetés a sokszálas univerzumba. A párhuzamosok a végtelenben találkoznak,
RészletesebbenNemlineáris optimalizálási problémák párhuzamos megoldása grafikus processzorok felhasználásával
Nemlineáris optimalizálási problémák párhuzamos megoldása grafikus processzorok felhasználásával 1 1 Eötvös Loránd Tudományegyetem, Informatikai Kar Kari TDK, 2016. 05. 10. Tartalom 1 2 Tartalom 1 2 Optimalizálási
RészletesebbenGoogle Summer of Code OpenCL image support for the r600g driver
Google Summer of Code 2015 OpenCL image support for the r600g driver Képek: http://www.google-melange.com a Min szeretnék dolgozni? Kapcsolatfelvétel a mentorral Project proposal Célok Miért jó ez? Milestone-ok
RészletesebbenSzámítógép architektúra
Budapesti Műszaki Főiskola Regionális Oktatási és Innovációs Központ Székesfehérvár Számítógép architektúra Dr. Seebauer Márta főiskolai tanár seebauer.marta@roik.bmf.hu Irodalmi források Cserny L.: Számítógépek
RészletesebbenSkills Development at the National University of Public Service
Skills Development at the National University of Public Service Presented by Ágnes Jenei National University of Public Service Faculty of Public Administration Public Ethics and Communication 13. 12. 2013
RészletesebbenGPGPU: Általános célú grafikus processzorok cgpu: computational GPU GPGPU = cgpu Adatpárhuzamos gyorsító: dedikált eszköz, ami eleve csak erre
GPGPU: Általános célú grafikus processzorok cgpu: computational GPU GPGPU = cgpu Adatpárhuzamos gyorsító: dedikált eszköz, ami eleve csak erre szolgál. Nagyobb memória+grafika nélkül (nincs kijelzőre kimenet)
RészletesebbenA PROGRAMOZÁSI TECHNOLÓGIA TANTÁRGY OKTATÁSA A GÁBOR DÉNES FŐISKOLÁN
A PROGRAMOZÁSI TECHNOLÓGIA TANTÁRGY OKTATÁSA A GÁBOR DÉNES FŐISKOLÁN THE TEACHING OF TECHNOLOGY OF PROGRAMMING IN DENNIS GABOR COLLEGE Kaczur Sándor 1 Összefoglaló: A Gábor Dénes Főiskola mérnök-informatikus
RészletesebbenTERC V.I.P. hardverkulcs regisztráció
TERC V.I.P. hardverkulcs regisztráció 2014. második félévétől kezdődően a TERC V.I.P. költségvetés-készítő program hardverkulcsát regisztrálniuk kell a felhasználóknak azon a számítógépen, melyeken futtatni
RészletesebbenHaladó Grafika EA. Inkrementális képszintézis GPU-n
Haladó Grafika EA Inkrementális képszintézis GPU-n Pipeline Az elvégzendő feladatot részfeladatokra bontjuk Mindegyik részfeladatot más-más egység dolgozza fel (ideális esetben) Minden egység inputja,
RészletesebbenAlapismeretek. Tanmenet
Alapismeretek Tanmenet Alapismeretek TANMENET-Alapismeretek Témakörök Javasolt óraszám 1. Számítógépes alapfogalmak, számítógép generációk 2. A számítógép felépítése, hardver, A központi egység 3. Hardver
RészletesebbenVideókártya - CUDA kompatibilitás: CUDA weboldal: Példaterületek:
Hasznos weboldalak Videókártya - CUDA kompatibilitás: https://developer.nvidia.com/cuda-gpus CUDA weboldal: https://developer.nvidia.com/cuda-zone Példaterületek: http://www.nvidia.com/object/imaging_comp
RészletesebbenI. Bevezetés. 1. ábra A Java "logója"
I. Bevezetés 1. A Java nyelv története A Java nyelvet 1991-ben a Sun MicroSystems egy csoportja fejlesztette ki. Eredetileg kommunikációs eszközök programozására tervezték, de sikere messze meghaladta
RészletesebbenProgramtervező informatikus MSc nappali tagozat ajánlott tanterv 2018
Előadás Előadás Programtervező informatikus MSc nappali tagozat ajánlott tanterv 2018 Szoftvertechnológia specializáció (törzsanyaggal együtt) Törzsanyag IPM-18KMTGY Kutatásmódszertan 0 2 Gy 1 3 1 0+2+1
RészletesebbenProgramtervező informatikus MSc nappali tagozat ajánlott tanterv 2018
Előadás Előfeltétel Előadás Előfeltétel Programtervező informatikus MSc nappali tagozat ajánlott tanterv 018 Szoftvertechnológia specializáció (törzsanyaggal együtt) Törzsanyag IPM-18KMTGY Kutatásmódszertan
Részletesebbeniphone és Android két jó barát...
iphone és Android két jó barát... Multiplatform alkalmazásfejlesztés a gyakorlatban Kis Gergely MattaKis Consulting 1 Tartalom Miért multiplatform fejlesztés? Multiplatform fejlesztési módszerek A közös
RészletesebbenOpenCL alapú eszközök verifikációja és validációja a gyakorlatban
OpenCL alapú eszközök verifikációja és validációja a gyakorlatban Fekete Tamás 2015. December 3. Szoftver verifikáció és validáció tantárgy Áttekintés Miért és mennyire fontos a megfelelő validáció és
RészletesebbenOrvosi készülékekben használható modern fejlesztési technológiák lehetőségeinek vizsgálata
Kutatási beszámoló a Pro Progressio Alapítvány számára Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Mérnök informatika szak Orvosi készülékekben használható modern
RészletesebbenSAT probléma kielégíthetőségének vizsgálata. masszív parallel. mesterséges neurális hálózat alkalmazásával
SAT probléma kielégíthetőségének vizsgálata masszív parallel mesterséges neurális hálózat alkalmazásával Tajti Tibor, Bíró Csaba, Kusper Gábor {gkusper, birocs, tajti}@aries.ektf.hu Eszterházy Károly Főiskola
RészletesebbenTÁVOKTATÁSI TANANYAGOK FEJLESZTÉSÉNEK MÓDSZERTANI KÉRDÉSEI
TÁVOKTATÁSI TANANYAGOK FEJLESZTÉSÉNEK MÓDSZERTANI KÉRDÉSEI A távoktatási forma bevezetése és eredményességének vizsgálata az igazgatásszervezők informatikai képzésében DOKTORI ÉRTEKEZÉS TÉZISEI dr. Horváth
RészletesebbenSzámítógép architektúrák záróvizsga-kérdések február
Számítógép architektúrák záróvizsga-kérdések 2007. február 1. Az ILP feldolgozás fejlődése 1.1 ILP feldolgozási paradigmák (Releváns paradigmák áttekintése, teljesítmény potenciáljuk, megjelenési sorrendjük
RészletesebbenVIRTUÁLIS GRAFFITI ÜZENETHAGYÓ RENDSZER
1 VIRTUÁLIS GRAFFITI ÜZENETHAGYÓ RENDSZER 2007.12.12. Gruber Kristóf és Sik András Ferenc Konzulens: Vida Rolland Tematika 2 Bevezetés, a feladat áttekintése A Nokia 770 felkészítése a fejlesztésre, beszámoló
RészletesebbenANSYS ACT. Hatékonyság növelés testreszabással. Farkas Dániel econ Engineering Kft. Budapest, 21/04/2016
ANSYS ACT Hatékonyság növelés testreszabással Farkas Dániel econ Engineering Kft. Budapest, 21/04/2016 Szimuláció alapú termékfejlesztés Megbízhatóság Gyorsaság Kapcsolt szimulációk Parametrikus szimulációk
RészletesebbenSZAKIRÁNYOK A MISKOLCI EGYETEM MÛSZAKI INFORMATIKAI SZAKÁN
SZAKIRÁNYOK A MISKOLCI EGYETEM MÛSZAKI INFORMATIKAI SZAKÁN Dr. Vadász Dénes, vadasz@iit.uni-miskolc.hu Miskolci Egyetem, Informatikai Intézet, Általános Informatikai Tanszék Abstract Our recently established
RészletesebbenOTKA Nyilvántartási szám: T ZÁRÓJELENTÉS
OTKA Nyilvántartási szám: T042735 ZÁRÓJELENTÉS Témavezető neve: dr. Szirmay-Kalos László. A téma címe: Interaktív globális illumináció A kutatás időtartama: 4 év A kutatási tervnek megfelelően az interaktív
RészletesebbenSZERZŐ: Kiss Róbert. Oldal1
A LOGO MindStorms NXT/EV3 robot grafikus képernyőjét használva különböző ábrákat tudunk rajzolni. A képek létrehozásához koordináta rendszerben adott alakzatok (kör, téglalap, szakasz, pont) meghatározó
Részletesebbenbujdoso@inf.unideb.hu, http:www.inf.unideb.hu/~bujdoso 2 Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma, 4029 Debrecen, Csengı u. 4.
Problémák a szövegszerkesztés verseny- és ECDL vizsgafeladataival kapcsolatban Problems in tests papers on word processing of ECDL exams and competitions BUJDOSÓ Gyöngyi 1, Ph.D., egyetemi adjunktus CSERNOCH
RészletesebbenGyőri HPC kutatások és alkalmazások
Győri HPC kutatások és alkalmazások dr. Horváth Zoltán dr. Környei László Fülep Dávid Széchenyi István Egyetem Matema5ka és Számítástudomány Tanszék 1 HPC szimulációk az iparban Feladat: Rába- futómű terhelés
RészletesebbenAlkalmazott Informatikai Intézeti Tanszék MŰSZAKI INFORMATIKA Dr.Dudás László 0. A Wolfram Alpha tudásgép. https://www.wolframalpha.
Alkalmazott Informatikai Intézeti Tanszék MŰSZAKI INFORMATIKA Dr.Dudás László 0. A Wolfram Alpha tudásgép https://www.wolframalpha.com/ Alkalmazott Informatikai Intézeti Tanszék MŰSZAKI INFORMATIKA Dr.Dudás
RészletesebbenAliROOT szimulációk GPU alapokon
AliROOT szimulációk GPU alapokon Nagy Máté Ferenc & Barnaföldi Gergely Gábor Wigner FK ALICE Bp csoport OTKA: PD73596 és NK77816 TARTALOM 1. Az ALICE csoport és a GRID hálózat 2. Szimulációk és az AliROOT
RészletesebbenBIZONYOS GRÁFELMÉLETI ALGORITMUSOK TANÍTÁSA ELEGÁNSAN KISS LÁSZLÓ
ACTA CAROLUS ROBERTUS 3 (1) Módszertan szekció BIZONYOS GRÁFELMÉLETI ALGORITMUSOK TANÍTÁSA ELEGÁNSAN Összefoglalás KISS LÁSZLÓ Cikkemben a gráfelmélet néhány algoritmusának elegáns, hatékony, tanításra
RészletesebbenEseménykezelés. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor.
Eseménykezelés előadás http://nik.uni-obuda.hu/sztf2 Szénási Sándor szenasi.sandor@nik.uni-obuda.hu Óbudai Egyetem,Neumann János Informatikai Kar Függvénymutatókkal Származtatással Interfészekkel Egyéb
RészletesebbenDigitális Felsőoktatási, Kutatási és Közgyűjteményi Infrastruktúra-fejlesztési Stratégia
Digitális Felsőoktatási, Kutatási és Közgyűjteményi Infrastruktúra-fejlesztési Stratégia Kerekasztal beszélgetés a célokról és eszközökről Mohácsi János, kutatás-fejlesztési főosztályvezető ws_kf@niif.hu
RészletesebbenMi is volt ez? és hogy is volt ez?
Mi is volt ez? és hogy is volt ez? El zmények: 60-as évek kutatási iránya: matematikai logika a programfejlesztésben 70-es évek, francia és angol kutatók: logikai programozás, Prolog nyelv 1975: Szeredi
RészletesebbenMobil Informatikai Rendszerek
Mobil Informatikai Rendszerek Android NDK Native Development Kit Sicz-Mesziár János sicz-mesziar.janos@nik.uni-obuda.hu Mezei József mezei.jozsef@nik.uni-obuda.hu 2018. április 22. NDK Native Development
RészletesebbenGrafikus csővezeték 2 / 77
Bevezetés 1 / 77 Grafikus csővezeték 2 / 77 Grafikus csővezeték Vertex feldolgozás A vertexek egyenként a képernyő térbe vannak transzformálva Primitív feldolgozás A vertexek primitívekbe vannak szervezve
RészletesebbenFeladat. Bemenő adatok. Bemenő adatfájlok elvárt formája. Berezvai Dániel 1. beadandó/4. feladat 2012. április 13. Például (bemenet/pelda.
Berezvai Dániel 1. beadandó/4. feladat 2012. április 13. BEDTACI.ELTE Programozás 3ice@3ice.hu 11. csoport Feladat Madarak életének kutatásával foglalkozó szakemberek különböző településen különböző madárfaj
RészletesebbenAz MTA Cloud a tudományos alkalmazások támogatására. Kacsuk Péter MTA SZTAKI
Az MTA Cloud a tudományos alkalmazások támogatására Kacsuk Péter MTA SZTAKI Kacsuk.Peter@sztaki.mta.hu Tudományos alkalmazások és skálázhatóság Kétféle skálázhatóság: o Vertikális: dinamikusan változik
RészletesebbenAlapismeretek. Tanmenet
Alapismeretek Tanmenet Alapismeretek TANMENET-Alapismeretek Témakörök Javasolt óraszám 1. Történeti áttekintés 2. Számítógépes alapfogalmak 3. A számítógép felépítése, hardver A központi egység 4. Hardver
RészletesebbenNEUMANN JÁNOS SZAKKOLLÉGIUM (NJSZK) képzési programja a 2016/2017 akadémiai évre
NEUMANN JÁNOS SZAKKOLLÉGIUM (NJSZK) képzési programja a 2016/2017 akadémiai évre Budapest 2016 I. A képzési program általános célja A Neumann János Szakkollégium (NJSZK) tagjainak, azaz az Óbudai Egyetem
RészletesebbenA PROGRAMTERVEZŐ INFORMATIKUS SZAK OKTATÁSÁNAK TAPASZTALATAI A DEBRECENI EGYETEM INFORMATIKAI KARÁN
A PROGRAMTERVEZŐ INFORMATIKUS SZAK OKTATÁSÁNAK TAPASZTALATAI A DEBRECENI EGYETEM INFORMATIKAI KARÁN BSC IN SOFTWARE ENGINEERING TEACHING AND MAINTAINING EXPERIENCES AT THE FACULTY OF INFORMATICS OF THE
Részletesebben5-6. ea Created by mrjrm & Pogácsa, frissítette: Félix
2. Adattípusonként különböző regisztertér Célja: az adatfeldolgozás gyorsítása - különös tekintettel a lebegőpontos adatábrázolásra. Szorzás esetén karakterisztika összeadódik, mantissza összeszorzódik.
RészletesebbenAlkalmazások fejlesztése A D O K U M E N T Á C I Ó F E L É P Í T É S E
Alkalmazások fejlesztése A D O K U M E N T Á C I Ó F E L É P Í T É S E Követelmény A beadandó dokumentációját a Keszthelyi Zsolt honlapján található pdf alapján kell elkészíteni http://people.inf.elte.hu/keszthelyi/alkalmazasok_fejlesztese
RészletesebbenKÉPFELDOLGOZÓ ALGORITMUSOK FEJLESZTÉSE GRAFIKUS HARDVER KÖRNYEZETBEN
KÉPFELDOLGOZÓ ALGORITMUSOK FEJLESZTÉSE GRAFIKUS HARDVER KÖRNYEZETBEN Takács Gábor Konzulens: Vajda Ferenc PhD, adjunktus 1 TARTALOMJEGYZÉK: Budapesti Műszaki és Gazdaságtudományi Egyetem A kutatási projekt
RészletesebbenVizuális informatika oktatás a szakképzésben (Visual Information Technology in Vocational Training)
Vizuális informatika oktatás a szakképzésben (Visual Information Technology in Vocational Training) Berke József - Tóth István Veszprémi Egyetem, Georgikon Mezõgazdaságtudományi Kar, 8360 Keszthely, Deák
RészletesebbenLOGIKAI TERVEZÉS. Előadó: Dr. Oniga István Egytemi docens
LOGIKAI TERVEZÉS PROGRAMOZHATÓ ÁRAMKÖRÖKKEL Előadó: Dr. Oniga István Egytemi docens A tárgy weboldala http://irh.inf.unideb.hu/user/onigai/ltpa/logikai_tervezes.htmltervezes.html Adminisztratív információk
RészletesebbenTDK tájékoztató Gazdaságinformatika Intézeti Tanszék szeptember
TDK tájékoztató Gazdaságinformatika Intézeti Tanszék 2017. szeptember TDK témakörök és tanszéki kutatások, tájékoztató Tisztelt Hallgató, Tájékoztatjuk, hogy a meghirdetett témakörök csak tájékoztató jellegűek,
RészletesebbenPublikációs jegyzék. Sitkuné Görömbei Cecília PKK, Tanítóképző Intézet
Publikációs jegyzék Sitkuné Görömbei Cecília PKK, Tanítóképző Intézet Referált cikk nemzetközi folyóiratban 1. Sitkuné Görömbei Cecília: Shall we use one more representation? Suggestions about establishing
Részletesebbenkodolosuli.hu: Interaktív, programozást tanító portál BALLA TAMÁS, DR. KIRÁLY SÁNDOR NETWORKSHOP 2017, SZEGED
kodolosuli.hu: Interaktív, programozást tanító portál BALLA TAMÁS, DR. KIRÁLY SÁNDOR NETWORKSHOP 2017, SZEGED A közoktatásban folyó informatika oktatásával kapcsolatos elvárások Állami szereplő: Az informatikaoktatás
Részletesebbenegy szisztolikus példa
Automatikus párhuzamosítás egy szisztolikus példa Áttekintés Bevezetés Példa konkrét szisztolikus algoritmus Automatikus párhuzamosítási módszer ötlet Áttekintés Bevezetés Példa konkrét szisztolikus algoritmus
RészletesebbenIsmétlés: Moore törvény. Tranzisztorok mérőszáma: n*százmillió, n*milliárd.
1 2 3 Ismétlés: Moore törvény. Tranzisztorok mérőszáma: n*százmillió, n*milliárd. 4 5 Moore törvényhez érdekesség: a várakozásokhoz képest folyamatosan alulteljesített, ezért többször is újra lett fogalmazva
RészletesebbenA TÉRINFORMATIKA OKTATÁSA ÉS ALKALMAZÁSI LEHETÕSÉGEI
A TÉRINFORMATIKA OKTATÁSA ÉS ALKALMAZÁSI LEHETÕSÉGEI Katona Endre, katona@inf.u-szeged.hu JATE, Alkalmazott Informatikai Tanszék Abstract Geographer students learn how to apply GIS, but for programmer
RészletesebbenSAS szoftverek felhasználási lehetőségei a felsőoktatásban
SAS szoftverek felhasználási lehetőségei a felsőoktatásban Hodász Attila BDX Kft. Abrán József SAS Magyarország Miért SAS? Integrált keretrendszer amely a teljes feladat támogatására alkalmas Kiforrott
RészletesebbenINFORMATIKA. 6 évfolyamos osztály
INFORMATIKA Az informatika tantárgy ismeretkörei, fejlesztési területei hozzájárulnak ahhoz, hogy a tanuló az információs társadalom aktív tagjává válhasson. Az informatikai eszközök használata olyan eszköztudást
RészletesebbenIK Algoritmusok és Alkalmazásaik Tsz, TTK Operációkutatás Tsz. A LEMON C++ gráf optimalizálási könyvtár használata
IKP-9010 Számítógépes számelmélet 1. EA IK Komputeralgebra Tsz. IKP-9011 Számítógépes számelmélet 2. EA IK Komputeralgebra Tsz. IKP-9021 Java technológiák IK Prog. Nyelv és Ford.programok Tsz. IKP-9030
RészletesebbenDiplomamunka. Miskolci Egyetem. GPGPU technológia kriptográfiai alkalmazása. Készítette: Csikó Richárd VIJFZK mérnök informatikus
Diplomamunka Miskolci Egyetem GPGPU technológia kriptográfiai alkalmazása Készítette: Csikó Richárd VIJFZK mérnök informatikus Témavezető: Dr. Kovács László Miskolc, 2014 Köszönetnyilvánítás Ezúton szeretnék
Részletesebben01. gyakorlat - Projektalapítás
2 Követelmények 01. gyakorlat - Projektalapítás Szoftvertechnológia gyakorlat OE-NIK A félév során egy nagyobb szoftverrendszer prototípusának elkészítése lesz a feladat Fejlesztési módszertan: RUP CASE-eszköz:
RészletesebbenProgramozási Technológia 1. 1. előadás bevezetés. Előadó: Lengyel Zsolt
Programozási Technológia 1. 1. előadás bevezetés Előadó: Lengyel Zsolt Tartalom Információk a tantárggyal kapcsolatban Programozási technológiai eszközök áttekintése UML tervezőeszközök JAVA fejlesztőeszközök,
RészletesebbenA TÖBBDIMENZIÓS KÉPFELDOLGOZÁS PROGRAMJAI ÉS OKTATÁSUK
A TÖBBDIMENZIÓS KÉPFELDOLGOZÁS PROGRAMJAI ÉS OKTATÁSUK Kuba Attila, kuba@inf.u-szeged.hu JATE Alkalmazott Informatikai Tanszék Fazekas Attila, fattila@math.klte.hu KLTE Matematikai és Informatikai Intézet
Részletesebben1_Linux_bevezeto_bash
1_Linux_bevezeto_bash September 21, 2016 1 Számítógépes alapismeretek 1.1 ELTE - Fizika Bsc 1. évfolyam 1.2 # Félévés tematika: Linux alapismeretek Szövegszerkesztés Adatok ábrázolása Bevezetés a programozás
RészletesebbenA PROGRAMOZÁS ALAPJAI TÁRGY OKTATÁSÁNAK KÉRDÉSEI AZ INFORMATIKUS KÉPZÉSBEN
A PROGRAMOZÁS ALAPJAI TÁRGY OKTATÁSÁNAK KÉRDÉSEI AZ INFORMATIKUS KÉPZÉSBEN Kovács László, Wagner György Miskolci Egyetem, Általános Informatikai Tanszék ÖSSZEFOGLALÁS Az elemzés fő célja, hogy bemutassa
RészletesebbenGPGPU. GPU-k felépítése. Valasek Gábor
GPGPU GPU-k felépítése Valasek Gábor Tartalom A mai órán áttekintjük a GPU-k architekturális felépítését A cél elsősorban egy olyan absztrakt hardvermodell bemutatása, ami segít megérteni a GPU-k hardveres
RészletesebbenRobotot vezérlő szoftverek fejlesztése Developing robot controller softwares
Robotot vezérlő szoftverek fejlesztése Developing robot controller softwares VARGA Máté 1, PÓGÁR István 2, VÉGH János 1 Programtervező informatikus BSc szakos hallgató 2 Programtervező informatikus MSc
Részletesebben