Мероприятия

Учебные курсы 2019

Основными целями IT-школы являются ознакомление участников с современными методами решения прикладных задач на новейших вычислительных архитектурах с применением технологий параллельного программирования, с современными методами и инструментарием анализа данных, машинного обучения, глубокого обучения и получение практического опыта в решении прикладных задач в областях, связанных с различными аспектами мегапроектов в области физики высоких энергий и задач науки о данных.

Практические занятия будут проводится на гетерогенной вычислительной платформе HybriLIT (http://hlit.jinr.ru/ ) в рамках экосистемы для ML/DL.

Программа школы
Инструменты и библиотеки для анализа данных и задач машинного обучения

Мастер-класс Группа по гетерогенным вычислениям ЛИТ ОИЯИ ТвГУ, 14 мая 2019 года (вторник), 12-00

Основными целями мастер-класса являются ознакомление участников с современными методами и инструментарием для анализа данных, машинного обучения, глубокого обучения и получение практического опыта в решении прикладных задач науки о данных.

Практические занятия будут проводится на гетерогенной вычислительной платформе HybriLIT (http://hlit.jinr.ru/) в рамках экосистемы для ML/DL.

Участниками будут изучаться Python – пакеты/библиотеки и фреймворки для анализа данных, методов машинного обучения/глубокого обучения: Jupyter Notebook, NumPy, matplotlib, pandas, scikit-learn.

Программа мероприятия

“Deep and Machine Learning methods for document clustering and classification”

In this tutorial, we consider a complete workflow of a typical Data Science project dealing with text documents. We define a problem, generate data, analyze data, explore relevant features – discuss several ways how to extract and describe semantic information, and show how to incorporate/augment it by an additional non-semantic one (which might help to improve the results). Next, we consider, construct and apply several standard Machine Learning (ML) models to describe our data:  we cast it to a classification and regression problems.  Then, we analyze an efficiency of the ML methods as well as a role, impact and relevance of our semantic and non-sematic features. Next, we show how to apply Deep Learning methods to attack the same problem – we consider simple DNN (Deep Neural Network) and CNN (Convolutional Neural Network) models. At the end we contrast our ML and DL results, discuss their pluses and minuses: efficiencies, required computational resources, possible way to improve them…

Tutorial supports an active and passive participations. I will use an alive Jupiter Notebook presentation to describe, discuss and execute each end every block of the Python-code requited for the above program/workflow. The corresponding blocks will be shared/available on a dedicated Slack channel (HybriLIT subscription required: https://web-stc.jinr.ru). If you have a valid account on the HybriLIT cluster you will be able to copy/paste them from the Slack channel and re-execute it in on-line mode in your own Notebook via GITLab (https://jhub.jinr.ru/) service. No extra work on your side to install, tune, support the required python packages: JHub – already did it for you.

Registration is available at: https://indico-hlit.jinr.ru/event/146/
SAP Leonardo
Priv.-Doz. Dr Alexej I. Streltsov Senior Data Scientist, ML Deep Learning COE WDF SAP SE, Dietmar-Hopp-Allee 16, 69190 Walldorf, Germany

Выездной семинар «Распределенные среды и инструменты для анализа Больших данных»

Спортивно-оздоровительный лагерь «Руза» , Российский экономический университет имени Г.В. Плеханова

В рамках выездного семинара были проведены лекции и занятия по:

  • Big Data в физике высоких энергий;
  • Основы работы в Linux;
  • Основы виртуализации;
  • Инструменты и библиотеки для анализа данных;
  • Распределенные системы хранения и обработки экспериментальных данных для задач физики высоких энергий.
Преподавательский состав:
  • Зуев Максим Игоревич
  • Булатов Андрей Сергеевич
  • Пелеванюк Игорь Станиславович
  • Бутенко Юрий Александрович

Технологии параллельного программирования для вычислительных систем с гибридной архитектурой

М.И. Зуев, М.А. Матвеев, Д.В. Подгайный, О.И. Стрельцова

2 апреля 2019

ТвГУ

Рассматриваются вопросы создания эффективных приложений для проведения расчетов на гетерогенных вычислительных системах, содержащих многоядерные CPU и графические процессоры (GPUs).

Лекции и практическая часть:
  • Технология параллельного программирования OpenMP;
  • Технология параллельного программирования CUDA;
  • Гибридная технология OpenMP +CUDA для multi-GPU вычислений;
  • На примере решения конкретной физической задачи будет рассмотрены основные шаги разработки параллельных приложений с использованием технологий OpenMP и CUDA.
Мастер-класс проводится группой по гетерогенным вычислениям HybriLIT. Практическая часть проходит на гетерогенной платформе HybriLIT ЛИТ ОИЯИ.

Учебные курсы 2018

Команда HybriLIT из ЛИТ ОИЯИ совместно с коллегами из института Экспериментальной и прикладной физики, Института инженерии западной Богемии и факультета Математической и Теоритической Информатики Технического университета в Кошице провела 2 учебных курса в Праге и Пльзень по технологиям параллельного программирования на базе вычислительной платформы HybriLIT.
Учебный курс-консультация от компании Intel по оптимизации параллельных приложений для проведения расчетов на новейших архитектурах Intel состоится 26 сентября 2018 (среда) в кабинете 407 Лаборатории информационных технологий (проходная ЛЯП ОИЯИ). Практическая часть будет проходить на гетерогенной вычислительной платформе HybriLIT. Для участия в мероприятии необходимо зарегистрироваться, перейдя по ссылке. Вы можете прислать свои вопросы по адресу strel@jinr.ru до 24 сентября, тогда команды Intel и Hybrilit ответят на них во время учебного курса. Программный код, для оптимизации, можно разместить до 24 сентября на HybriLIT в /nfs/store2.jinr.ru/scratch.  
Intel HybriLit
   

Презентации 2018

Уважаемые коллеги!

Дирекция Лаборатории информационных технологий ОИЯИ и компании Intel, РСК Технологии, NVIDIA, IBS Platformix приглашают Вас принять участие в Презентации Суперкомпьютера имени Н.Н. Говоруна, которая состоится 27 марта 2018 г. в 16:00 в Конференц зале Лаборатории информационных технологий ОИЯИ.

 

Программа презентации

 
  • 16:00 Семинар-презентация (Конференц-зал ЛИТ)
    • Суперкомпьютер – перспективный проект развития базовых установок ОИЯИ, В.В. Кореньков (ЛИТ)
    • Hоt theoretical physics topics for HPC, Д.И. Казаков (ЛТФ)
    • Мегапроект NICA, В.Д. Кекелидзе (ЛФВЭ)
    • Новые архитектуры и технологии Intel для высокопроизводительных вычислений, Н.С. Местер (Intel)
    • Сверхплотные и энергоэффективные решения РСК, А.А. Московский(РСК Технологии)
    • IBS Platformix — инфраструктурные решения, В. Кочетов (IBS Platformix)
  • Экскурсия на МИВК ОИЯИ (2-ой этаж ЛИТ)
  • 18:00 Фуршет

Учебные курсы 2017

Предлагается двухдневный курс по системе «GitLab»
15 и 22 марта, 15:00 – 17:00
Система GitLab, предназначенная для совместной разработки приложений, активно используется среди групп пользователей в целях организации более эффективной работы. В связи с этим, приглашаем всех желающих на трехдневный курс по работе в системе GitLab, который будет проходить в ЛИТ, ауд. 407.
Желательно иметь при себе ноутбук, так как количество компьютеров в аудитории ограничено.
Подробнее в Indico
В рамках учебного курса будут рассмотрены вопросы разработки параллельных приложений для проведения расчетов с использованием графических ускорителей NVIDIA:
- основы технологии CUDA ;
- гибридная технология OpenMP+CUDA для multi-GPU вычислений;
- использование математических библиотек, оптимизированных для NVIDIA GPU: cuBLAS, cuFFT, cuSPARSE.

На примере численного решения начально-краевой задачи для многомерного уравнения теплопроводности локально-одномерным методом будет рассмотрены основные шаги разработки CUDA-приложения с использованием функций библиотеки cuSPARSE для решения систем алгебраических уравнений, возникающих после дискретизации задачи.
Семинары проводятся раз в неделю, курс рассчитан на 4 недели.
Изучение и применение возможностей технологии MPI в написании параллельных приложений.

MPI – одна из базовых технологий параллельного программирования, которая обеспечивает обмен данными между параллельными процессами для решения общей задачи.
Курс будет поделен на две части:
* первая часть будет посвящена базовому уровню и будет включать минимально-необходимый набор функций для распараллеливания кода;
* во второй части будут рассмотрены комбинированные функции, позволяющие оптимизировать уже написанный параллельный код, а также профилирование и трассировка MPI-приложений с помощью инструментов Intel Parallel Studio.
Подробнее в Indico
Этот курс рассчитан на знающих синтаксис языков С и С++, но желающих продолжить изучения этих языков. В ходе учебного курса большое внимание будет уделено работе с памятью, так как именно эти знания являются одними из важнейших для понимания программ написанный на языках С и С++. Также большое внимание будет уделено объектной модели языка С++.
Программа курса:
1) Использование компьютерной памяти в программе. Разница между ссылками и указателями. Framework Valgrind для нахождения ошибок при использовании компьютерной памяти.
2) Структуры в языках С и С++. Разница между структурой и классом. Наследование и полиморфизм.
3) Перегрузка операторов. Исключения.
4) Создание и загрузка динамических библиотек.Использование утилиты GNU Make.
Подробнее в Indico
Предлагается трехдневный курс “Введение в OpenCL для расчетов на GPU”
За эти три дня слушатели получат представление о том, что такое OpenCL, научатся запускать OpenCL-программы на гетерогенном кластере HybriLIT и создавать свои приложения на OpenCL. В ходе учебного курса будут рассмотрены интересные примеры и даны оригинальные задачи для самостоятельной работы.
Программа курса
1-ый день, лекция “Введение в OpenCL для расчетов на GPU”, компиляция и запуск OpenCL-программ на гетерогенном кластере HybriLIT.
2-ой день, работа с возможностями OpenCL, иерархия памяти, типовые алгоритмы параллельной редукции для бинарных операций.
3-ий день, написание собственной программы по заданию.
Подробнее в Indico