Themenbereiche

• Datenanalyse, Künstliche Intelligenz: Eine Einführung
• Konvergenz von HPC und Künstlicher Intelligenz
• Exkurs: Container-Technologien
• Explorative Datenanalyse
• Exkurs: Nicht-Relationale Datenbanken
• Maschinelles Lernen: Konzepte, Algorithmen und Evaluierung
• Einführung in Neuronale Netzwerke
• Big Data Architekturen und Frameworks
• Trends und neuartige Technologien im Bereich HPC und AI

Übungen auf dem Trainingscluster der Supercomputing Akademie

• Übung zu Container-Technologien
• Übung zur explorativen Datenanalyse mit Tableau und Python
• Übung zu Neuronalen Netzen mit TensorFlow
• Übung zur Datenanalyse am Beispiel Stuttgarter S-Bahn Fahrzeiten

Die Übungen werden auf dem Trainingscluster des HLRS der Supercomputing Akadmie durchgeführt. Teilnehmer:innen erhalten dafür einen 24/7-Zugang zum Cluster über die gesamte Dauer des Kurses. Die Übung zu Container-Technologien wird udocker (Basistool für User zur Ausführung von Docker Containern) vorgstellt und verwendet.  50% der Übungen werden mit einem Jupyter Notebook auf dem Trainingscluster durchgeführt. Die Übung zur explorativen Datenanalyse sowie die Übung zu Neuronalen Netzen werden zudem über einen Container bearbeitet, sodass die Teilnehmer:innen sich Ihren Containern exportieren, die Übungen komfortabel mitnehmen und auf einem anderen Hostsystem (welches eine Software zur Container-Visualisierung installiert hat) problemlos ausführen können. Für die Übung zur Datenanalyse am Beispiel Stuttgarter S-Bahn Fahrzeiten wird Apache Spark (ein Framework für Cluster Computing) verwendet.

• Sie können die Grundlagen der Datenanalyse und Künstlicher Intelligenz beschreiben und unterscheiden.
• Sie können die Anforderungen von KI-Anwendungen auf HPC-Systemen aufzählen und erläutern.
• Sie sind in der Lage, eine Explorative Datenanalyse durchzuführen.
• Sie können erklären, was Big Data Architekturen und Frameworks sind.
• Sie sind fähig, Deep Learning und Machine Lerning Frameworks zu unterscheiden und anzuwenden.
• Sie können Trends und aktuelle Technologien im Bereich KI und HPC aufzählen und beschreiben.

¹ Preis gilt pro Person. Die Leistungen sind nach § 4 Nr. 22 a UstG von der Umsatzsteuer befreit.

² Entspricht dem regulären Preis mit einem "Early-Bird-Rabatt", gültig bei einer Anmeldung bis zum 29.08.2022.

³ Preis für MitarbeiterInnen von öffentlichen Einrichtungen.

⁴ Für Studierende in Vollzeit ohne Master-/ Diplomabschluss, vorlegen einer Immatrikulationsbescheinigung erforderlich.

⁵ Zeitlich begrenzter Aktionspreis für das Jahr 2022.

• Entwicklungsingenieure
• CAE-, Berechnungs- und Simulationsingenieure
• System-Designer
• Simulationsinteressierte

Linux

Da die vorgesehenen Übungen auf dem HLRS-Trainingscluster bereitgestellt werden, benötigen die Kursteilnehmer erweiterte Grundkenntnisse des freien Betriebssystems Linux. Die wichtigsten Konzepte und Werkzeuge von Linux wie

• Shell und Shell-Befehle (→ sicherer Umgang mit der Kommandozeile),

• Secure Shell (SSH-Verbindung zum Cluster herstellen),

• den Umgang mit Dateien und Skripten (kopieren, verschieben, umbenennen),

• die Struktur des Systems (Verzeichnisse wechseln),

• die Benutzer- und Rechteverwaltung (wem eine Datei gehört und wer diese lesen, ändern und ausführen darf) und

• das Erstellen/Modifizieren von einfachen (ggf. vorhandenen) Batch-Skripten mit einem Editor wie nano, vi oder emacs

sollten bekannt sein. Eine Anleitung zur Arbeit auf dem Trainingscluster wird zur Verfügung gestellt. Falls Sie bei sich in dieser Hinsicht noch Defizite feststellen, verweisen wir an dieser Stelle auf https://www.tuxcademy.org/product/lxes/.

Programmierkenntnisse

Vorkenntnisse in Python sind erforderlich. Von den Teilnehmer:innen wird vorausgesetzt,dass Sie zur Verfügung gestellten Beispielcodes lesen und modifizieren zu können. Alternativ verfügen die Teilnehmer über solide Programmierkenntnisse in einer anderen Programmiersprache (z.B. C/C++, Fortran oder Java) und sind dadurch in der Lage sich leicht in die Programmiersprache Python einzuarbeiten. Da Python verwendet wird, kann dieses Tutorial zum Erlernen der Syntax verwendet werden. Für die Übungen werden die Programmbibliotheken

• matplotlib
• pandas
• numpy
• seaborn

für die Programmiersprache Python verwendet. Es wird empfohlen sich bereits vorab mit diesen Bibliotheken und deren Methoden vertraut zu machen. Erste Erfahrungen im Umgang mit Jupyter Notebooks sind ebenfalls erforderlich. Da Jupyter Notebooks verwendet werden, kann dieses Tutorial genutzt werden, um sich damit vertraut zu machen.

Umgang mit herkömmlichen Office Programmen

Um sich Datensätze anzuschauen, wird der Umgang mit einem Tabellenkalkulationsprogramm (z.B. Microsoft Excel, LibreOffice Calc) vorausgesetzt.