Explore la motivation et les avantages de l'utilisation des GPU pour le calcul, en se concentrant sur leurs performances et leur programmation via CUDA.
Couvre l'analyse de données intrajournalières, les études systématiques, le débogage, le calcul multicœur, la programmation GPU et le calcul de corrélation avec les GPU.
Couvre les outils de science des données, Hadoop, Spark, les écosystèmes des lacs de données, le théorème CAP, le traitement par lots vs. flux, HDFS, Hive, Parquet, ORC, et l'architecture MapReduce.
Examine les économies d'énergie dans les transports individuels, en mettant l'accent sur les stratégies et les technologies visant à réduire la consommation d'énergie et les émissions dans les véhicules.
Explore la transition énergétique en Suisse, en mettant l'accent sur les économies d'énergie dans le transport privé et le passage à des véhicules plus efficaces.
Couvre les systèmes sous-seuils et quasi-seuils inexacts pour les dispositifs à puissance ultra-faible et l'ingénierie de systèmes à plusieurs échelles.
Explore les applications émergentes et les possibilités dans les matériaux électroniques de grande envergure, couvrant les cellules solaires, les mémoires et « plus que Moore ».
Explore les systèmes de gestion de données accélérés grâce à une spécialisation en temps réel sur le matériel hétérogène et GPU accédant à des données fraîches de la mémoire CPU.
Couvre l'évolution et les défis des multiprocesseurs, en mettant l'accent sur l'efficacité énergétique, la programmation parallèle, la cohérence du cache et le rôle des GPU.
Explore l'architecture des GPU, la programmation CUDA, le traitement d'image et leur importance dans l'informatique moderne, en mettant l'accent sur le démarrage précoce et l'exactitude de la programmation GPU.
Défis liés à la prise de décisions en temps réel dans les systèmes à forte intensité de données, y compris la désinfectation des données par requête, l'optimisation du matériel et l'accès aux données GPU.
Explore le parallélisme dans la programmation, en mettant l'accent sur les compromis entre la programmabilité et la performance, et introduit la programmation parallèle en mémoire partagée à l'aide d'OpenMP.