2. Semester - Universität Wien

Masterstudium Scientific Computing
Wilfried Gansterer
Scientific Computing – „klassisch“
•
•
Problemstellungen motiviert aus den Naturwissenschaften
Modellierung – Simulation
– Zusätzlich zu Theorie und Experiment
•
Simulation mathematischer Modelle (PDEs, etc.)
 Fragestellungen in der Informatik/Informationstechnologie
– Algorithmen: Komplexität, effiziente Implementierung
– Datenorganisation
– Software, Hardware: Beherrschung verteilter Computerressourcen,
effiziente Verwendung der „Formel 1“ in der Hardwaretechnologie
Neue Herausforderungen – Daten
• „Essentially, all models are wrong, but some are useful.“
[Box, Draper; 1987]
• Enorme Datenmengen
– 20 Tera(10^12)byte … Foto upload auf Facebook/Monat
– 120 Terabyte … Datensammlung des Hubble Teleskops
– 460 Terabyte … Digitale Wetterdaten im
National Climatic Data Center (NCDC)
– 530 Terabyte … alle Videos auf YouTube
– 1 Peta(10^15)byte … Datenmenge, die von Google
alle 72 Minuten verarbeitet wird.
– Seit 2007 mehr neue Daten pro Jahr als alles zuvor
 Technologie, um Information aus Daten zu gewinnen
Neue Herausforderungen – Hardware
Neue Herausforderungen – Hardware
Neue Herausforderungen – Software
• Wie entwickeln wir Software und Toolkits für die effiziente
Verwendung der immer komplexer werdenden
Hardwareinfrastruktur?
Neue Herausforderungen – Multi-/Interdisziplinarität
• Üblicherweise mehrere Disziplinen involviert
(Multidisziplinarität)
• Unterschiedliche Kulturen
• Unterschiedliche Terminologien
• Unterschiedliche Organisationsstrukturen
 Kommunikation besonders wichtig!
Master Scientific Computing @ Universität Wien
• Fundament: Bachelor Informatik
– Ausprägungsfach „Scientific Computing“
• Zulassung:
– Informatiker, Naturwissenschaftler, Mathematiker mit
Universitätsabschluss (z.B. Bachelor) bzw. verwandtem
Fachhochschulabschluss
• Dauer: 2 Jahre (4 Semester)
• Abschluss: akademischer Grad Dipl.-Ing.
Master Scientific Computing @ Universität Wien
• Ziel: Heranführen an
– State-of-the-art in der Methodik des Scientific Computing
– Aktuelle Forschungsthemen
– Vertiefende Beschäftigung mit exemplarischen
Problemstellungen aus Anwendungsdisziplinen
– Abstraktionsprozess:
Motivation aus Anwendungswissenschaft
 allgemeine Fragestellungen der Informatik
Master Scientific Computing @ Universität Wien
• Parallele Architekturen
(z.B. Multicore Prozessoren, Großrechenanlagen)
• Parallele Programmiermodelle und Programmiersprachen
• Zentrale Algorithmen und deren effiziente Implementierung
• Computational Grid Technologies
• Data Grid Technologies
• Ein Anwendungsfach aus:
– Pharmakoinformatik
– Computational Chemistry
– Computational Physics
• Masterarbeit
Berufsbild
• Computergestützte Forschung und Entwicklung
– Verwendung aktueller Technologien
– Entwicklung neuer Methoden und Technologien
• Tätigkeiten in Wissenschaft oder Industrie
• Methodenorientiert, offen für verschiedenste
Anwendungsfächer
– Über diejenigen hinaus, die im Curriculum vertreten sind
Wieso an der Universität Wien?
• Forschungsgeleitete Ausbildung,
sehr enge Interaktion mit Forschungsaktivitäten
– Forschungsschwerpunkt an der Uni Wien seit den 80er Jahren
• Enge Verbindung Informatik und Naturwissenschaften
innerhalb der Universität Wien (Life Sciences, etc.)
– Interdisziplinär, breiter Fächerkanon an der Uni Wien
• Internationale Ausrichtung und Vernetzung
• Erstklassige Studienbedingungen
– Kleingruppen
– Persönliche Betreuung
– Integration in Forschungsprojekte
Vielen Dank für die Aufmerksamkeit !
Modulblockdiagramm Scientific Computing
1.Sem.
2.Sem.
3.Sem.
4.Sem.
Anwendungs-
fach
Grundlagenfächer
Interdisziplinäre Informatik
Vertiefung Scientific Computing
Masterarbeit und Masterprüfung
1 Block = 6 ECTS bzw. 4 LV-Stunden
Seminare
und
Freifächer
Semesterplan – 1
1. Semester
2. Semester
LVA-Name
SWS
ECTS
Advanced Software Engineering
2VO
3
Advanced Software Engineering
2UE
3
Methoden der Datenanalyse
2VU
3
Computational Techniques
2VU
3
Parallele Architekturen und Programmiermodelle
4VU
6
Numerische Methoden für Differentialgleichungen
4VU
6
Transformationssysteme
4VU
6
Algorithmen und Programmierung im Scientific
Computing
4VU
6
Praktikum aus Computational Technologies
4PR
6
High Performance Computing
4VU
6
Semesterplan – 2
Anwendungsfächer
(a) Molecular Modelling
LVA-Name
1. Semester
SWS
ECTS
Computergrafik und Computersimulation von
Biomolekülen
2VO
3
Molekülrechnungen in der Chemie
2VO
3
Praktikum aus Biomolekularer Simulation
2PR
3
Molekülrechnungen in der Chemie
2UE
3
Bioinformatik und Systembiologie
2VU
3
Computational Drug Design
2VU
3
2. Semester
Praktikum aus Computational Drug Design
4PR
6
1.Semester
Computational Physics
4VO
6
2. Semester
Praktikum aus Computational Physics
4PR
6
2.Semester
oder
(b) Pharmakoinformatik
1.Semester
oder
(c) Computational
Physics
Semesterplan – 3
3. Semester
4. Semester
LVA-Name
SWS
ECTS
Grid Technologies
4VU
6
Praktikum Scientific Computing
8PR
12
Diplomandenseminar 1 aus Scientific Computing
2SE
3
Freifach
3
Beginn der Masterarbeit
6
Diplomandenseminar 2 aus Scientific Computing
2SE
3
Freifach
3
Masterarbeit und Masterprüfung
24