Torsten Hoefler: Katalogdaten im Frühjahrssemester 2019

Name	Herr Prof. Dr. Torsten Hoefler
Lehrgebiet	Skalierbares Parallelrechnen
Adresse	Inst. f. Hochleistungsrechnersyst. ETH Zürich, OAT V 15 Andreasstrasse 5 8092 Zürich SWITZERLAND
Telefon	+41 44 632 63 44
E-Mail	torsten.hoefler@inf.ethz.ch
URL	http://htor.inf.ethz.ch
Departement	Informatik
Beziehung	Ordentlicher Professor

Nummer	Titel	ECTS	Umfang	Dozierende
252-0029-00L	Parallele Programmierung	7 KP	4V + 2U	T. Hoefler, M. Vechev
Kurzbeschreibung	Einfuehrung in das parallele Programmieren: nicht-deterministische und deterministische Programme, Modelle fuer parallele Programme, Synchronization, Kommunikation und Fairness.
Lernziel	Einfuehrung in das parallele Programmieren: nicht-deterministische und deterministische Programme, Modelle fuer parallele Programme, Synchronization, Kommunikation und Fairness. Uebungen beschaeftigen sich mit Threads in moderne Programmiersprachen (Java, C#) und die Ausfuehrung von parallelen Programmen auf Multi-Prozessor/Multi-Core basierten Systemen.
252-0817-00L	Distributed Systems Laboratory Im Masterstudium können zusätzlich zu den Vertiefungsübergreifenden Fächern nur max. 10 Kreditpunkte über Laboratorien erarbeitet werden. Weitere Laboratorien werden auf dem Beiblatt aufgeführt.	10 KP	9P	G. Alonso, T. Hoefler, F. Mattern, T. Roscoe, A. Singla, R. Wattenhofer, C. Zhang
Kurzbeschreibung	Entwicklung und / oder Evaluation eines umfangreicheren praktischen Systems mit Technologien aus dem Gebiet der verteilten Systeme. Das Projekt kann aus unterschiedlichen Teilbereichen (von Web-Services bis hin zu ubiquitären Systemen) stammen; typische Technologien umfassen drahtlose Ad-hoc-Netze oder Anwendungen auf Mobiltelefonen.
Lernziel	Erwerb praktischer Kenntnisse bei Entwicklung und / oder Evaluation eines umfangreicheren praktischen Systems mit Technologien aus dem Gebiet der verteilten Systeme.
Inhalt	Entwicklung und / oder Evaluation eines umfangreicheren praktischen Systems mit Technologien aus dem Gebiet der verteilten Systeme. Das Projekt kann aus unterschiedlichen Teilbereichen (von Web-Services bis hin zu ubiquitären Systemen) stammen; typische Technologien umfassen drahtlose Ad-hoc-Netze oder Anwendungen auf Mobiltelefonen. Zu diesem Praktikum existiert keine Vorlesung. Bei Interesse bitte einen der beteiligten Professoren oder einen Assistenten der Forschungsgruppen kontaktieren.
263-3840-00L	Hardware Architectures for Machine Learning The deadline for deregistering expires at the end of the second week of the semester. Students who are still registered after that date, but do not attend the seminar, will officially fail the seminar.	2 KP	2S	G. Alonso, T. Hoefler, C. Zhang
Kurzbeschreibung	The seminar covers recent results in the increasingly important field of hardware acceleration for data science and machine learning, both in dedicated machines or in data centers.
Lernziel	The seminar aims at students interested in the system aspects of machine learning, who are willing to bridge the gap across traditional disciplines: machine learning, databases, systems, and computer architecture.
Inhalt	The seminar is intended to cover recent results in the increasingly important field of hardware acceleration for data science and machine learning, both in dedicated machines or in data centers.
Voraussetzungen / Besonderes	The seminar should be of special interest to students intending to complete a master's thesis or a doctoral dissertation in related topics.