Dia 22/11 (sexta-feira)

8:00

Credenciamento

9:00

Palestra:

Nova plataforma NVIDIA para HPC e Inteligência Artificial (IA)

João Paulo Navarro (NVIDIA), Local: <a definir>

Resumo: Deep Learning (DL) é a técnica de Machine Learning que vem proporcionando avanços surpreendentes nos mais variados fluxos de trabalho da indústria e academia. A Inteligência Artificial moderna é a 4ª revolução industrial e a plataforma da NVIDIA fornece poder computacional para os mais complexos algoritmos de DL. A nova arquitetura de GPUs Volta, juntamente com o CUDA 9 e os SDKs da NVIDIA, foram aprimorados para incluir algoritmos especializados e altamente otimizados para extrair o máximo potencial das placas de vídeo no treinamento de algoritmos de DL, utilizados nos mais importantes frameworks da atualidade (TensorFlow, Caffe, Torch, etc). Veremos aplicações dos algoritmos de DL em diversas áreas do conhecimento, como Visão Computacional, Carros Autônomos e Robótica!


João Paulo Navarro é Cientista da Computação e mestre em Modelagem Computacional (UFJF), tendo dedicado boa parte de sua carreira desenvolvendo projetos de computação científica, simulação física e machine learning. Possui vasta experiência no desenvolvimento de algoritmos e técnicas de visualização voltadas ao processamento geofísico. Hoje, na NVIDIA, é Arquiteto de Soluções com foco em computação de alto-desempenho e Deep Learning.

10:30

Minicurso:

Introdução à programação de GPU com o OpenACC

João Paulo Navarro (NVIDIA), Local: <a definir>

Resumo: 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 e mestre em Modelagem Computacional (UFJF), tendo dedicado boa parte de sua carreira desenvolvendo projetos de computação científica, simulação física e machine learning. Possui vasta experiência no desenvolvimento de algoritmos e técnicas de visualização voltadas ao processamento geofísico. Hoje, na NVIDIA, é Arquiteto de Soluções com foco em computação de alto-desempenho e Deep Learning.

14:00

Palestra:

Programação Paralela de GPUs e FPGAs: Estudo de Caso em Bioinformática

Alba Cristina M. A. Melo (UnB), Local: <a definir>

Resumo: Apresentaremos uma visão geral da área de programação paralela, e do problema de comparação de sequências biológicas. Em seguida discutiremos o problema de tarefas dependentes que seguem o padrão de frente de onda (wavefront) e apresentaremos dois estudos de caso em Bioinformática, um usando FPGA e outro usando GPU. Finalizaremos com uma discussão sobre trabalhos futuros na área.


Alba Cristina M. A. Melo possui PhD em Ciência da Computação pelo Institut National Polytechnique de Grenoble (INPG), França, 1996, Mestrado em Ciência da Computação pela Universidade Federal do Rio Grande do Sul (UFRGS), 1991, e Graduação em Processamento de Dados pela Universidade de Brasília (UnB), 1986.

16:00

Palestra:

Os Desafios do Processamento de Alto Desempenho - HPC

Alfredo Goldman (USP), Local: <a definir>

Resumo: Nesta palestra apresentaremos uma visão geral da área de programação paralela e os desafios de pesquisa rumo ao exascale. Após um breve histórico da evolução dessas tecnologias, mostraremos as vantagens e limitações das principais ferramentas atualmente em uso assim como as principais tendências para o futuro.


Alfredo Goldman possui graduação em Matemática Aplicada pela Universidade de São Paulo (1990), mestrado em Matemática Aplicada pela Universidade de São Paulo (1994) e doutorado em Informatique et Systèmes – Institut National Polythecnique De Grenoble (1999). Atualmente é professor associado da Universidade de São Paulo.

17:30

Fórum de Iniciação Científica e Pós-graduação

19:00

Abertura

20:00

Reunião CRAD

21:00

Confraternização

Dia 23/11 (sábado)

08:00

Minicurso:

Fundamentos de Computação Acelerada com CUDA C/C++

Wellington Martins (UFG), Local: <a definir>

Resumo: Este curso oferecerá uma introdução ao desenvolvimento de aplicações massivamente paralelas com CUDA em C/C++ para GPUs da NVIDIA. 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. Após a conclusão, você poderá escrever programas massivamente paralelos para arquiteturas heterogêneas com poderosas GPUs NVIDIA.


Wellington S. Martins é bolsista de produtividade em pesquisa (PQ) do CNPq - Nível 2. É professor de Ciência da Computação da Universidade Federal de Goiás (INF/UFG), onde lidera o Laboratório de Computação de Alto Desempenho e Aplicações (LDA). Seu Doutorado foi em Ciência da Computação na Universidade de East Anglia (Inglaterra), mestrado em Sistemas de Computação na PUC-RJ, e graduação em Engenharia Elétrica na UFG, respectivamente.

10:30

Minicurso:

Uso de Contêineres para HPC

Pedro Mário Cruz e Silva (NVIDIA), Local: <a definir>

Resumo: Os contêineres armazenam os aplicativos em um ambiente virtual isolado para simplificar a implementação do data center. Ao incluir todas as dependências dos aplicativos, como binários bibliotecas, os contêineres de aplicativos são executados ininterruptamente em qualquer ambiente de data center. Nesta palestra falaremos sobre os contêineres disponibilizados na nuvem da NVIDIA (NGC) e seu uso em Computação de Alto Desempenho (HPC).


Pedro Mário Cruz e Silva é Bacharel em Matemática (1995) e Mestre em Matemática Aplicada e Otimização (1998) pela UFPE, Doutor em Computação Gráfica pela PUC-Rio (2004). Trabalhou por 15 anos no Instituto Tecgraf/PUC-Rio onde criou o Grupo de Geofísica Computacional, durante este período liderou diversos projetos de Desenvolvimento de Software, bem como projetos de Pesquisa na área de Geofísica. Finalizou o MBA em Gestão Empresarial na FGV-Rio. Atualmente é o Gerente de Arquitetura de Soluções da NVIDIA para América Latina.