Postgraduate Section 4 1025

Από Περιγράμματα - Τμήμα Μαθηματικών
Αναθεώρηση ως προς 00:03, 10 Μαρτίου 2026 από τον G.R.Chrysostomidis (συζήτηση | συνεισφορές) (Νέα σελίδα με '{{DISPLAYTITLE:<span style="position: absolute; clip: rect(1px 1px 1px 1px); clip: rect(1px, 1px, 1px, 1px);">{{FULLPAGENAME}}</span>}} <ul class="nav nav-pills mb-2 justify-content-end" id="pills-tab-lang" role="tablist"> <li class="nav-item"><btn id="pills-gr-tab" data-toggle="pill" class="nav-link active" role="tab" aria-controls="pills-gr" aria-selected="true">#pills-gr|Ελληνικά</btn></li> <li class="nav-item"><btn id="pills-en-tab" data-toggle="pill"...')
(διαφορά) ← Παλαιότερη αναθεώρηση | Τελευταία αναθεώρηση (διαφορά) | Νεότερη αναθεώρηση → (διαφορά)
Μετάβαση σε: πλοήγηση, αναζήτηση


Γενικά

Σχολή Σχολή Θετικών Επιστημών
Τμήμα Τμήμα Μαθηματικών
Επίπεδο Σπουδών Μεταπτυχιακό
Κωδικός Μαθήματος ΑΑ8
Εξάμηνο 2
Τίτλος Μαθήματος ΠΑΡΑΛΛΗΛΟΙ ΥΠΟΛΟΓΙΣΜΟΙ
Αυτοτελείς Διδακτικές Δραστηριότητες Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 7.5)
Τύπος Μαθήματος Ειδικού υποβάθρου
Προαπαιτούμενα Μαθήματα
Γλώσσα Διδασκαλίας και Εξετάσεων Ελληνική
Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus Ναι (στην Αγγλική γλώσσα)
Ηλεκτρονική Σελίδα Μαθήματος (URL) Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.


Μαθησιακά Αποτελέσματα

Μαθησιακά Αποτελέσματα Μετά την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές θα είναι σε θέση:
  • να γνωρίζουν τεχνικές Παράλληλης Επεξεργασίας,
  • να κατανοήσουν τη χρησιμότητα των παράλληλων υπολογισμών για την επίλυση προβλημάτων μεγάλης κλίμακας,
  • να υλοποιούν μεθόδους με προγράμματα σε παράλληλα υπολογιστικά συστήματα.
Γενικές Ικανότητες
  • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
  • Προσαρμογή σε νέες καταστάσεις
  • Άσκηση κριτικής και αυτοκριτικής
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης.


Περιεχόμενο Μαθήματος

  • Τεχνικές Παράλληλης Επεξεργασίας.
  • Παράλληλοι Αλγόριθμοι για την Επίλυση Γραμμικών Συστημάτων με επαναληπτικές μεθόδους.
  • Παράλληλοι Αλγόριθμοι βασισμένοι σε μεθόδους Διαχωρισμού Χωρίων για την Επίλυση προβλημάτων Συνοριακών Τιμών.
  • Μέτρα απόδοσης και κλιμάκωση παραλληλίας.


Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Παράδοσης Στην τάξη
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Οργάνωση Διδασκαλίας
Δραστηριότητα Φόρτος Εργασίας Εξαμήνου
Διαλέξεις 39
Αυτοτελής Μελέτη 78
Επίλυση Ασκήσεων - Εργασίες 70.5
Σύνολο Μαθήματος 187.5
Αξιολόγηση Φοιτητών Γραπτή εξέταση - Προφορική εξέταση - Εκπόνηση Εργασίας


Συνιστώμενη Βιβλιογραφία

Δείτε την υπηρεσία Εύδοξος. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:


General

School School of Science
Academic Unit Department of Mathematics
Level of Studies Graduate
Course Code AA8
Semester 2
Course Title Parallel Algorithms
Independent Teaching Activities Lectures (Weekly Teaching Hours: 3, Credits: 7.5)
Course Type Special Background
Prerequisite Courses -
Language of Instruction and Examinations Greek
Is the Course Offered to Erasmus Students Yes (in English)
Course Website (URL) See eCourse, the Learning Management System maintained by the University of Ioannina.


Learning Outcomes

Learning outcomes

After successful completion of this course, students will be able to:

  • understand techniques of Parallel Computations,
  • understand the necessity of Parallel Computations to solve large scale problems,
  • implement methods with programs on systems of parallel computations.
General Competences
  • Search for, analysis and synthesis of data and information, with the use of the necessary technology
  • Adapting to new situations
  • Criticism and self-criticism
  • Production of free, creative and inductive thinking


Syllabus

  • Techniques of Parallel Computations.
  • Parallel Algorithms for the Solution of Linear Systems by Iterative Methods.
  • Parallel Algorithms based on Domain Decomposition Methods for the solution of Boundary Value Problems.
  • Parallelization factors of efficiency.


Teaching and Learning Methods - Evaluation

Delivery In class
Use of Information and Communications Technology -
Teaching Methods
Activity Semester Workload
Lectures 39
Study and analysis of bibliography 78
Exercises - Homework 70.5
Course total 187.5
Student Performance Evaluation Written examination - Oral Examination - Project


Attached Bibliography

See the official Eudoxus site. Books and other resources, not provided by Eudoxus: