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