Tentalabbet

TDDD56 · 6 hp · Avancerad nivå (A1N) · Informationsteknologi, Datateknik, Datavetenskap, Medieteknik

Multicore- och GPU-Programmering

Ges · nästa start HT 2026

70 %

klarade senaste ordinarie tentan

TEN1 · 15 jan 2026 · 43 studenter

67 %

klarade ordinarie tentorna, alla tillfällen de senaste 5 åren

TEN1 · 180 studenter

89 %

Svårare än 89 % av kurserna på avancerad nivå

Jämfört med 285 kurser på samma nivå, ordinarie tentor de senaste tre läsåren. 70 studenter.

Ingår i 11 program

Tentamen

TEN1 Skriftlig examination

  • 5
  • 4
  • 3
  • U

Ordinarie tentor

67 % godkända · 180 studenter

  • 70 %43
  • 63 %27
  • 77 %35
  • 56 %36
  • 67 %39

Omtentor

62 % godkända · 61 studenter

  • 60 %5
  • 64 %11
  • 80 %10
  • 58 %12
  • 64 %11
  • 43 %7
  • 60 %5
  • Klarar omtentan: 62 % (61 studenter), jämfört med 67 % (180 studenter) på ordinarie
  • Får 4 eller 5: 20 % (241 studenter)
Visa små tillfällen (3)

Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.

  • 67 %3
  • 100 %3
  • 100 %2

Övriga moment

Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.

Inlämning eller laboration

LAB1 Datorlabbar

  • G

Ordinarie tillfällen

100 % godkända · 179 studenter

  • 100 %45
  • 100 %30
  • 100 %33
  • 100 %34
  • 100 %37

Senare tillfällen

Inga tillfällen med minst 5 studenter.

    Visa små tillfällen (7)

    Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.

    • 100 %1
    • 100 %2
    • 100 %2
    • 100 %2
    • 100 %2
    • 100 %4
    • 100 %2

    Om kursen

    Mål

    Moderna datorer har processorer med flera kärnor och kraftfulla flerkärniga hårdvaruacceleratorer t ex Graphics Processing Unit (GPU) som kan användas för allmänna beräkningar (GPGPU eller GPU Computing). Prestandapotentialen hos sådana arkitekturer kan bara utnyttjas fullt ut om koden är ordentligt parallelliserad och omskriven för att utnyttja särskilda arkitektoniska detaljer. Efter kursen ska studenten:

    • kunna skriva ny kod och skriva om kod för flerkärniga och GPGPU arkitekturer
    • förstå parallella algoritmer och datastrukturer, och kunna analysera dem
    • känna till allmänna principer för parallell databehandling och tekniker för parallellisering.

    Innehåll

    Introduktion till multicore-, mångkärnig- och GPU-arkitektur.Teori för parallella beräkningar. Teori för parallellisering. Design och analys av parallella algoritmer. Översikt av parallella programmeringsspråk. Trådprogrammering för flerkärniga datorer. SIMD-programmering och data-parallell programmering. GPU-programmering med OpenCL och / eller CUDA. Icke-blockerande synkronisering och transaktionsminne. Schemaläggning för multicore- och operativsystem. Introduktion till heterogena multicore och parallell-DSP arkitekturkoncept och programmering av sådana.

    Examinator
    Christoph Kessler
    Schemalagd tid
    60 h
    Huvudområde
    Informationsteknologi, Datateknik, Datavetenskap, Medieteknik
    Kursplanen på Studieinfo ↗