Programação

Palestras

A) Nova plataforma NVIDIA para HPC e Inteligência Artificial (IA)

João Paulo Navarro (NVIDIA), Horário: 14/09, 8:30 - Local: Auditório da Faculdade de Letras

Resumo: Deep Learning (DL) é a técnica de Aprendizado de Máquina (ML) que vem proporcionando avanços em vários fluxos de trabalho industriais, comerciais e científicos. A Inteligência Artificial moderna é a 4ª revolução industrial. A nova plataforma de IA da NVIDIA, composta por hardware e software, está fornecendo o poder computacional exigido pelos recentes avanços em Deep Learning. A Volta, nossa mais nova e avançada arquitetura de GPUs foi especialmente projetada para as cargas de trabalho de computação de alto desempenho necessárias para treinamento e inferência de Redes Neurais Profundas com uma enorme quantidade de dados de treinamento. É a primeira arquitetura GPU que inclui Tensor Cores (TC), unidades de processamento projetadas para operações com Tensores em altíssima velocidade. A versão mais recente da linguagem CUDA (versão 9) e os SDKs da NVIDIA foram aprimorados para incluir algoritmos especializados e altamente otimizados para extrair o potencial completo de GPUs no treinamento DNN e nas tarefas de inferência em todos os Frameworks de Deep Learning como TensorFlow, CNTK, Caffe, etc. Uma grande variedade de dados pode ser eficientemente usada para treinamento, incluindo texto, áudio, imagens e vídeo. Este novo modelo de computação está fornecendo excelentes resultados em Visão Computacional, Processamento de Linguagem Natural, Tradução de Linguagem, Reconhecimento de Fala, Sistemas de Recomendação, Logística, Carros Autônomos e Robótica.

João Paulo Navarro é Cientista da Computação graduado pela Universidade Federal de Juiz de Fora (UFJF) e mestre em Modelagem Computacional pela mesma instituição. Foi membro do Grupo de Computação Gráfica da UFJF, trabalhando em pesquisas nas áreas de Computação Visual, Simulação Física e Computação de Alto Desempenho. Sua sólida experiência como engenheiro de software foi construída durante anos desenvolvendo sistemas na PUC-Rio, com foco em aplicações de Machine Learning para a indústria de Óleo & Gás. É autor de publicações em conferências internacionais nas áreas de Machine Learning e Computação Gráfica, suas especialidades. Atualmente é Arquiteto de Soluções na NVIDIA, responsável pela expansão e democratização de técnicas de Deep Learning no Brasil..

B) Projeto e implantação de nuvem acadêmica: A experiência da Cloud@UFSCar

Hermes Senger (UFSCar), Horário: 14/09, 13:30 - Local: Auditório do Instituto de Matemática e Estatística (IME)

Resumo: A Computação é apontada como uma área de pesquisa estruturante, capaz de contribuir para o desenvolvimento de várias outras áreas de pesquisa. Em diversas áreas da ciência, pesquisadores têm se apoiado cada vez mais no uso de ferramentas e recursos computacionais como ferramentas imprescindíveis para o avanço da pesquisa. Para atender a essa demanda, universidades e instituições de pesquisa têm se mobilizado para organizar e disponibilizar recursos computacionais e humanos em apoio às atividades de pesquisa que demandam grandes quantidades de recursos computacionais. Será apresentado um breve relato da experiência recente da UFSCar na implantação de uma nuvem privada acadêmica para pesquisa, bem como algumas outras estratégias que podem ser adotadas.

Hermes Senger é professor do Departamento de Computação da Universidade Federal de São Carlos (UFSCar). Foi Coordenador de Programa de Pós-graduação em Ciência da Computação, Secretário Geral de Informática e coordenou o projeto e implantação da Nuvem Acadêmica da UFSCar. Foi Coordenador da RedeSANCA (Rede Metropolitana de São Carlos - REDECOMEP), e é membro do Comitê Gestor da Rede Acadêmica do Estado de São Paulo - Rede ANSP. É bolsista de Prudutividade em Pesquisa (Nivel 2) do CNPq desde 2010. Seus interesses em pesquisa incluem computação de alto desempenho, processamento paralelo e distribuído e aplicações de alto desempenho.

C) Os Desafios do Processamento de Alto Desempenho - HPC

Philippe Navaux (UFRGS) - Keynote speaker, Horário: 14/09, 16:00 - Local: Auditório do Instituto de Matemática e Estatística (IME)

A área de Processamento de Alto Desempenho, sigla em inglês HPC, preocupa-se com sistemas, máquinas, que possam atender grandes demandas de processamento, olhando aspectos de hardware e software. Considerando a necessidade de poder de processamento, a área está associada diretamente com supercomputadores, pois somente estes podem atender este poder. Hoje fala-se em máquinas que possam processar Exaflops operações por segundo. Nesta palestra será apresentada a evolução da área e sua importância atual em diversos temas como Deep Learning e Big Data.

Philippe Olivier Alexandre Navaux é professor titular do Instituto de Informática da UFRGS, Brasil, Graduado em Engenharia Electrônica, 1970, UFRGS, Mestrado em Física Aplicada, 1973, UFRGS, Doutorado em Ciência da Computação pelo INPG, Grenoble, França, 1979. Foi diretor do Instituto de Informática de 1998 a 2006, pró-reitor de pós-graduação da UFRGS de 2000 a 2001. Pesquisador nível 1 do CNPq. Área de pesquisa em Arquitetura de Computadores, Processamento Paralelo e HPC - Processamento de Alto Desempenho, ministrando aulas na graduação e pós-graduação nestes temas. Líder do GPPD, Grupo de Processamento Paralelo e Distribuído, com diversos projetos de pesquisa de agências Finep, RNP, CNPq, Capes, e de Cooperação Internacional com grupos da França, Alemanha, Espanha e USA com apoio do CNPq e CAPES. Coordenou projetos com HP, DELL, Altus, Itautec, Microsoft, Intel e Petrobras. Orientou mais de 90 estudantes de doutorado e mestrado e publicou mais de 400 artigos em revistas e conferências. Membro da SBC, SBPC, ACM e IEEE. Consultor de diversos órgãos nacionais e internacionais DoE (USA), ANR (França), Finep, CNPq, Capes, FAPESP, FAPERGS, FAPEMIG, FACEPE entre outros. Foi membro do Conselho Superior da FAPERGS; coordenador do Comitê da Computação do CNPq/ MCT; coordenador do Comitê da Área da Computação da Capes/MEC e é membro do comitê CTC do LNCC/ MCT e do Comitê Gestor do supercomputador Santos Dumont, LNCC.

D) Processamento de alto desempenho e a Competição de Cluster de Estudantes (SCC)

Daniel Weingaertner (UFPR), Horário: 15/09, 13:30 - Local: Sala 101 do Centro de Aulas B

Resumo: Será apresentada uma breve descrição da área de Processamento de Alto desempenho (PAD) e algumas ferramentas que permitem sua programação. Em seguida será explicado o funcionamento da Competição de Cluster de Estudantes (SCC), que acontece anualmente na Conferência Internacional de Supercomputação. O objetivo da competição é construir máquinas de alto desempenho com um limite de energia determinado. A SCC é uma oportunidade para os alunos mostrarem seus conhecimentos em uma competição amigável e ao mesmo tempo animada.

Daniel Weingaertner possui graduação em Bacharelado em Informática pela Universidade Federal do Paraná (1999), mestrado em Engenharia Elétrica e Computação pela Universidade Estadual de Campinas (2003) e doutorado em Saúde da Criança e do Adolescente - Informática Médica pela Universidade Federal do Paraná (2007). Pós-doutorado na área de Simulação de Sistemas e Computação de Alto Desempenho pela Univiersidade de Erlangen-Nürnberg (Alemanha) (2012-2013). Atua principalmente nos seguintes temas: processamento de alto desempenho (processamento paralelo de imagens, GPGPU, simulação de sistemas, computação científica) e software livre (gerência de sistemas, desenvolvimento para Linux, computação científica). Presidiu a comissão de criação do curso de Bacharelado em Informática Biomédica na UFPR e foi seu primeiro coordenador e é atualmente chefe do Departamento de Informática da UFPR.

Minicursos

A) Introdução à programação de GPU com o OpenACC

João Paulo Navarro (NVIDIA), Horário: 14/09, 9:30 - Local: Laboratório sala 152 do INF

Aprenda como acelerar seu aplicativo C/C++ ou Fortran usando o OpenACC para aproveitar a potência massivamente paralela das GPUs NVIDIA. O OpenACC é uma abordagem baseada em diretivas para computação, na qual você fornece dicas para compilador acelerar seu código, em vez de escrever o código do acelerador sozinho. Em 90 minutos, você experimentará um processo de quatro etapas para acelerar aplicativos usando o OpenACC: (1) Caracterizar e criar perfil de seu aplicativo; (2) adicionar diretivas de computação; (3) Adicionar diretivas para otimizar a movimentação de dados; e (4) otimizar sua aplicação usando o escalonamento do kernel.

Número de vagas: 30

Pré-requisito: familiaridade com C/C++

João Paulo Navarro é Cientista da Computação graduado pela Universidade Federal de Juiz de Fora (UFJF) e mestre em Modelagem Computacional pela mesma instituição. Foi membro do Grupo de Computação Gráfica da UFJF, trabalhando em pesquisas nas áreas de Computação Visual, Simulação Física e Computação de Alto Desempenho. Sua sólida experiência como engenheiro de software foi construída durante anos desenvolvendo sistemas na PUC-Rio, com foco em aplicações de Machine Learning para a indústria de Óleo & Gás. É autor de publicações em conferências internacionais nas áreas de Machine Learning e Computação Gráfica, suas especialidades. Atualmente é Arquiteto de Soluções na NVIDIA, responsável pela expansão e democratização de técnicas de Deep Learning no Brasil.

B) Fundamentos de Computação Acelerada com CUDA C/C++

João Paulo Navarro (NVIDIA), Horário: 15/09, 9:30 - Local: Laboratório sala 106 do Centro de Aulas B

Este curso dará uma introdução ao desenvolvimento de aplicações massivamente paralelas com CUDA em C/C++ para GPUs da NVIDIA. O público-alvo deste curso são desenvolvedores com alguma experiência com as linguagens C/C++ que estejam interessados em acelerar o desempenho de suas aplicações além dos limites da programação somente para CPU. Neste curso, você aprenderá como: Estender seu código C/C++ com o modelo de programação CUDA; Escrever e executar kernels que executam com paralelismo massivo em uma GPU NVIDIA; Perfilar e otimizar seus programas acelerados. Após a conclusão, você poderá escrever programas massivamente paralelos para arquiteturas heterogêneas com poderosas GPUs NVIDIA, e otimizar seu desempenho utilizando o NVVP.

Número de vagas: 30

Pré-requisito: familiaridade com C/C++

João Paulo Navarro é Cientista da Computação graduado pela Universidade Federal de Juiz de Fora (UFJF) e mestre em Modelagem Computacional pela mesma instituição. Foi membro do Grupo de Computação Gráfica da UFJF, trabalhando em pesquisas nas áreas de Computação Visual, Simulação Física e Computação de Alto Desempenho. Sua sólida experiência como engenheiro de software foi construída durante anos desenvolvendo sistemas na PUC-Rio, com foco em aplicações de Machine Learning para a indústria de Óleo & Gás. É autor de publicações em conferências internacionais nas áreas de Machine Learning e Computação Gráfica, suas especialidades. Atualmente é Arquiteto de Soluções na NVIDIA, responsável pela expansão e democratização de técnicas de Deep Learning no Brasil.

C) Configuração e uso de clusters para processamento de alto desempenho

Daniel Weingaertner (UFPR) e Giovanne Marcelo Dos Santos (UFPR), Horário: 15/09, 14:30 - Local: Sala 257 do INF

Membros da equipe brasileira que participou da Competição de Cluster de Estudantes (SCC) na Conferência Internacional de Supercomputação, em junho deste ano na Alemanha, irão explicar o funcionamento da SSC e como montar equipes para participar da competição. Em seguida será fornecida uma breve descrição de paralelismo e da biblioteca de passagem de mensagens MPI. A parte prática envolverá a configuração de um cluster para processamento de alto desempenho e seu uso com benchmark pradronizado (HPL Linpack para resolução de equações de sistemas lineares) e aplicações paralelas científicas.

Número de vagas: 15

Pré-requisito: familiaridade com Linux e Makefile

Daniel Weingaertner possui graduação em Bacharelado em Informática pela Universidade Federal do Paraná (1999), mestrado em Engenharia Elétrica e Computação pela Universidade Estadual de Campinas (2003) e doutorado em Saúde da Criança e do Adolescente - Informática Médica pela Universidade Federal do Paraná (2007). Pós-doutorado na área de Simulação de Sistemas e Computação de Alto Desempenho pela Univiersidade de Erlangen-Nürnberg (Alemanha) (2012-2013). Atua principalmente nos seguintes temas: processamento de alto desempenho (processamento paralelo de imagens, GPGPU, simulação de sistemas, computação científica) e software livre (gerência de sistemas, desenvolvimento para Linux, computação científica). Presidiu a comissão de criação do curso de Bacharelado em Informática Biomédica na UFPR e foi seu primeiro coordenador e é atualmente chefe do Departamento de Informática da UFPR.
Giovanne Marcelo Dos Santos é graduando em Ciência da Computação na Universidade Federal do Paraná desde 2015. Atualmente é membro do Centro de Computação Científica e Software Livre (C3SL) atuando como administrador de sistemas. Tem interesse em: Algoritmos Aleatorizados, Teoria da Computação e Teoria do Aprendizado Computacional.