Masterstudium Scientific Computing

1. Masterstudium Scientific Computing Wilfried Gansterer

2. Scientific Computing – „klassisch“ • Problemstellungen motiviert aus den Naturwissenschaften • Modellierung – Simulation • Zusätzlich zu Theorie und Experiment • Simulation mathematischer Modelle (PDEs, etc.) • Fragestellungen in der Informatik/Informationstechnologie • Algorithmen: Komplexität, effiziente Implementierung • Datenorganisation • Software, Hardware: Beherrschung verteilter Computerressourcen, effiziente Verwendung der „Formel 1“ in der Hardwaretechnologie

3. Neue Herausforderungen – Daten • „Essentially, all models are wrong, but some are useful.“ [Box, Draper; 1987] • Enorme Datenmengen • 20 Tera(10^12)byte … Foto upload auf Facebook/Monat • 120 Terabyte … Datensammlung des Hubble Teleskops • 460 Terabyte … Digitale Wetterdaten im National Climatic Data Center (NCDC) • 530 Terabyte … alle Videos auf YouTube • 1 Peta(10^15)byte … Datenmenge, die von Google alle 72 Minuten verarbeitet wird. • Seit 2007 mehr neue Daten pro Jahr als alles zuvor • Technologie, um Information aus Daten zu gewinnen

4. Neue Herausforderungen – Hardware

5. Neue Herausforderungen – Hardware

6. Neue Herausforderungen – Software • Wie entwickeln wir Software und Toolkits für die effiziente Verwendung der immer komplexer werdenden Hardwareinfrastruktur?

7. Neue Herausforderungen – Multi-/Interdisziplinarität • Üblicherweise mehrere Disziplinen involviert (Multidisziplinarität) • Unterschiedliche Kulturen • Unterschiedliche Terminologien • Unterschiedliche Organisationsstrukturen • Kommunikation besonders wichtig!

8. Master Scientific Computing @ Universität Wien • Fundament: Bachelor Informatik • Ausprägungsfach „Scientific Computing“ • Zulassung: • Informatiker, Naturwissenschaftler, Mathematiker mit Universitätsabschluss (z.B. Bachelor) bzw. verwandtem Fachhochschulabschluss • Dauer: 2 Jahre (4 Semester) • Abschluss: akademischer Grad Dipl.-Ing.

9. Master Scientific Computing @ Universität Wien • Ziel: Heranführen an • State-of-the-art in der Methodik des Scientific Computing • Aktuelle Forschungsthemen • Vertiefende Beschäftigung mit exemplarischen Problemstellungen aus Anwendungsdisziplinen • Abstraktionsprozess: Motivation aus Anwendungswissenschaft allgemeine Fragestellungen der Informatik

10. Master Scientific Computing @ Universität Wien • Parallele Architekturen(z.B. Multicore Prozessoren, Großrechenanlagen) • Parallele Programmiermodelle und Programmiersprachen • Zentrale Algorithmen und deren effiziente Implementierung • Computational Grid Technologies • Data Grid Technologies • Ein Anwendungsfach aus: • Pharmakoinformatik • Computational Chemistry • Computational Physics • Masterarbeit

11. Berufsbild • Computergestützte Forschung und Entwicklung • Verwendung aktueller Technologien • Entwicklung neuer Methoden und Technologien • Tätigkeiten in Wissenschaft oder Industrie • Methodenorientiert, offen für verschiedenste Anwendungsfächer • Über diejenigen hinaus, die im Curriculum vertreten sind

12. Wieso an der Universität Wien? • Forschungsgeleitete Ausbildung,sehr enge Interaktion mit Forschungsaktivitäten • Forschungsschwerpunkt an der Uni Wien seit den 80er Jahren • Enge Verbindung Informatik und Naturwissenschaften innerhalb der Universität Wien (Life Sciences, etc.) • Interdisziplinär, breiter Fächerkanon an der Uni Wien • Internationale Ausrichtung und Vernetzung • Erstklassige Studienbedingungen • Kleingruppen • Persönliche Betreuung • Integration in Forschungsprojekte

13. Vielen Dank für die Aufmerksamkeit !

14. Modulblockdiagramm Scientific Computing Anwendungs- fach Grundlagenfächer 1.Sem. 2.Sem. Interdisziplinäre Informatik 3.Sem. Vertiefung Scientific Computing Seminare und Freifächer 4.Sem. Masterarbeit und Masterprüfung 1 Block = 6 ECTS bzw. 4 LV-Stunden

15. Semesterplan – 1

16. Semesterplan – 2

17. Semesterplan – 3