Masterstudium Scientific Computing

Masterstudium Scientific ComputingWilfried 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 Block = 6 ECTS bzw. 4 LV-Stunden

Anwendungs-

fach

Grundlagenfächer

Vertiefung Scientific Computing

Interdisziplinäre Informatik

Masterarbeit und Masterprüfung

Seminare und

Freifächer

1.Sem.

2.Sem.

3.Sem.

4.Sem.

Semesterplan – 1

LVA-Name SWS ECTS

1. Semester 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

2. Semester 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 LVA-Name SWS ECTS

(a) Molecular Modelling 1. Semester Computergrafik und Computersimulation von Biomolekülen

2VO 3

Molekülrechnungen in der Chemie 2VO 3

2.Semester Praktikum aus Biomolekularer Simulation 2PR 3

Molekülrechnungen in der Chemie 2UE 3

oder

(b) Pharmakoinformatik 1.Semester Bioinformatik und Systembiologie 2VU 3

Computational Drug Design 2VU 3

2. Semester Praktikum aus Computational Drug Design 4PR 6

oder

(c) Computational Physics

1.Semester Computational Physics 4VO 6

2. Semester Praktikum aus Computational Physics 4PR 6

Semesterplan – 3

LVA-Name SWS ECTS

3. Semester Grid Technologies 4VU 6

Praktikum Scientific Computing 8PR 12

Diplomandenseminar 1 aus Scientific Computing 2SE 3

Freifach 3

Beginn der Masterarbeit 6

4. Semester Diplomandenseminar 2 aus Scientific Computing 2SE 3

Freifach 3

Masterarbeit und Masterprüfung 24