Saltar al contenido principal
Volver arriba
Ctrl
+
K
Búsqueda
Ctrl
+
K
Programación Concurrente y Distribuida
Unidad 1: Clusters en computación paralela/distribuida
Repaso Python y C para programación concurrente y distribuida
Introducción
Ejecución de código en multiples lenguajes de programación
Matrices y vectores
Introducción a Pandas
«Data cleaning» y «Filtros»
Algebra computacional con
Sympy
Visualizaciones Avanzadas
Automatizaciones
Manejo de ficheros
Métodos numéricos - Cálculo de raices
Método de newton-raphson
Métodos Numéricos: Ecns Diferenciales Ordinarias
Método de euler para ecuaciones diferenciales.
Evaluemos lo aprendido!!
Unidad 2: Arquitecturas para computación paralela
Unidad 3: Métricas de desempeño
Ejercicio
Ley de Amdahl y Gustafson
Precisión Simple Vs Precisión Doble y TFlops
Medidas de desempeño
Recursos Extra
Unidad 4: Hilos y Sockets
Hilos en Python
Tarea 1
HilosJavaBasico
Tarea 2
Sockets
SocketsBasicoPython
SocketsServerPython
SocketsClientePython
SocketsServerJava
SocketsClienteJava
GPTChatServer
GPTChatClient
Tarea Unidad 4
Unidad 5: Infraestructura de cluster
Unidad 6: Concurrencia para desarrollo web
Unidad 7: OpenMP
threadsC.ipynb
OpenMP_en_C.ipynb
Unidad 8: Multiprocessing
1 - Multiprocessing.ipynb
2 - Multiprocessing.ipynb
3 - Multiprocessing.ipynb
4 - Multiprocessing.ipynb
5 - Multiprocessing.ipynb
6 - Multiprocessing.ipynb
7 - Multiprocessing.ipynb
8 - Multiprocessing.ipynb
9 - Multiprocessing.ipynb
10 - Multiprocessing.ipynb
Multiprocessing.ipynb
Ejercicio de procesamiento de imágenes en paralelo
Cargar una imagen en C
Unidad 9: MPI
Evaluemos lo aprendido!!
Unidad 10: PyCUDA
PyCUDA_multiplicar_sumar_elementos
PyCUDA_multiplicar_matrices
Stable_Diffusion_GPU_vs_CPU
Repository
Open issue
Índice
