《并行计算与分布式计算》课程教学大纲.docx

《并行计算与分布式计算》教学大纲 一、课程基本信息 课程名称 并行计算与分布式计算 Parallel Computing And Distributed Computing 课程编码 SCC320311030 开课院部 理学院 课程团队 数据科学团队 学分 3.0 课内学时 56 讲授 32 实验 0 上机 24 实践 0 课外学时 56 适用专业 数据科学与大数据技术 授课语言 中文 先修课程 程序设计（C）、数值计算方法 课程简介 （必修） 《并行计算与分布式计算》是数据科学与大数据技术专业的一门专业必修课。本课程以并行计算为主题，结合大数据和人工智能中常用的一些典型的计算问题，掌握并行计算和分布式计算的基本原理与方法。通过本课程的学习，学生自主选择课题，利用并行计算和分布式计算工具进行并行算法设计与程序开发，形成研究报告。本课程内容主要包括并行计算与分布式计算基础知识、 基于OpenMP的CPU共享内存并行计算、基于MPI的CPU多节点并行计算、基于CUDA的GPU多核并行计算、基于Hadoop的分布式并行计算和基于Spark的分布式并行计算，内容注重实践性和实用性，可提升学生编写并行程序的能力。 “Parallel Computing and Distributed Computing” is an compulsory course for the major of Data Science and Big Data Technology. This course takes parallel computing as the theme, combines some typical computing problems commonly used in large data and artificial intelligence, and grasps the basic principles and methods of parallel computing and distributed computing. Through the study of this course, students choose their own topics, and use parallel computing and distributed computing tools to design parallel algorithms and develop programs to form research reports. This course mainly includes the basic knowledge of parallel computing and distributed computing, open MP-based CPU shared memory parallel computing, MPI-based CPU multi-node parallel computing, CUDA-based GPU multi-core parallel computing, Hadoop-based distributed parallel computing and Spark-based distributed parallel computing. Usefulness can improve students ability to write parallel programs. 负责人 大纲执笔人 审核人 二、课程目标 序号 代号 课程目标 OBE 毕业要求指标点 任务 自选 1 M1 目标1：掌握并行计算和分布式计算的基本概念和原理，了解并行计算和分布式计算发展前沿。 是 3.3 2 M2 目标2：设计并行算法并编程实现。 是 4.3, 5.2 3 M3 目标3：通过课程项目的实践，完成报告并答辩，培育认识和发现问题的能力和解决工程问题的能力,增强团队合作能力。 是 6.1, 6.2, 7.1 4 M4 目标4：能保障课程正常秩序（政治层面、课堂保障层面，非学生能力层面） 否 三、课程内容 序号 章节号 标题 课程内容/重难点 支撑课程目标 课内学时 教学方式 课外学时 课外环节 1 第1章 第1章 并行计算与分布式计算基础 本章重点难点：高性能计算机体系结构、并行和分布式编程模型、性能评测方法。 / / / / 2 1.1 1.1 高性能计算机系统结构 高性能计算机历史、高性能计算机体系结构、高性能计算机体系的发展趋势 M1 0.5 讲授 0.5 自学资料、课后作业 3 1.2 1.2 并行文件系统与内存管理 并行文件系统的功能和通用模型、现存并行文件系统分类、设计并行文件系统的关键技术、常