課程資訊
課程名稱
高效能巨量資料與人工智慧系統
High-Performance Big Data and Artificial Intelligence Systems 
開課學期
108-2 
授課對象
電機資訊學院  資訊網路與多媒體研究所  
授課教師
洪士灝 
課號
CSIE5373 
課程識別碼
922 U4620 
班次
 
學分
3.0 
全/半年
半年 
必/選修
選修 
上課時間
星期一7,8,9(14:20~17:20) 
上課地點
資101 
備註
須具備計算機結構與作業系統之基礎。
總人數上限:80人 
Ceiba 課程網頁
http://ceiba.ntu.edu.tw/1082HPBDAIS 
課程簡介影片
 
核心能力關聯
核心能力與課程規劃關聯圖
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述

近年巨量資料與人工智慧的快速發展,創造許多新興的應用,為了對於更大量的資料進行分析處理以及追求更強大的人工智慧,許多國家級的科技研究乃至於大型商業應用都開始採用高效能計算(超級電腦)技術來提升競爭力,而如今的高效能計算平台也紛紛開始支援重要的巨量資料與人工智慧應用,因此高效能計算成為帶動前瞻科技的火車頭之一。

然而高效能計算平台包含一些進階的技術,包括異質計算、平行計算、分散式處理、高速網路等,往往必須透過軟硬體整合優化的方式,才能打造出高效能與高效率的系統和應用,因此能夠善用高效能計算平台的人才並不多見。對此一領域有興趣的學生,即便修習多項相關課程,恐怕仍然無法完整涵蓋此領域之基本知識與技能,更難以將多門課程所學到的東西加以整合運用。

針對以上所述之需求與門檻,本課程將採用問題導向式教學法(Problem-Based Learning),以巨量資料與人工智慧領域中的實務問題為核心,教授相關的高效能計算知識與技能,並且鼓勵學生進行小組討論、論文研讀、期末專題,以培養學生主動學習、批判思考和問題解決能力。 

課程目標
在一學期的課程中,我們將探討各類型巨量資料與人工智慧應用常遇到的系統議題,探討如何打造高效能的系統。學生將學習埋藏在系統內部的關鍵技術,包括系統架構、軟體框架、軟硬體整合與優化,以及最新的技術發展趨勢。

在一學期的課程中,我們將探討:
(一) 平行與分散式計算原理
(二) 高效能計算的軟硬體架構
(三) 高效率的巨量資料儲存與分析系統
(四) 高效率的人工智慧訓練與推論系統
(五) 系統效能評估與優化實際案例 
課程要求
課堂討論、作業、考試、期末專題報告 
預期每週課後學習時數
 
Office Hours
 
指定閱讀
投影片、參考書籍與論文 
參考書目
待補 
評量方式
(僅供參考)
   
課程進度
週次
日期
單元主題
第1週
3/02  00. Introduction to the Course
01. Parallel Computing 
第2週
3/09  02. Parallel Programming 
第3週
3/16  03. Distributed Computing 
第4週
3/23  04. Message-Passing Programming 
第5週
3/30  05. High-Performance System Architecture 
第6週
4/06  05. High-Performance System Architecture (2) 
第7週
4/13  06. Heterogeneous Computing - GPU Programming 
第8週
4/20  Advanced Heterogeneous Computing  
第9週
4/27  Performance Profiling & Midterm Exam 
第10週
5/04  Big Data Analytic Systems 
第11週
5/11  High-Performance Artificial Intelligence Systems 
第12週
5/18  Accelerating Deep Learning 
第13週
5/25  High-Performance Distributed Training 
第14週
6/01  Midterm Exam 2 
第15週
6/08  Case Studies: Mellanox's High-Performance Networks (Industry Talk) 
第16週
6/15  Conclusion 
第17週
6/22  Term Paper 
第18週
6/29  Term Paper