Universität Wien

052113 VU Software Tools for Computational and Data Science (2025S)

6.00 ECTS (4.00 SWS), SPL 5 - Informatik und Wirtschaftsinformatik
Prüfungsimmanente Lehrveranstaltung

Diese Lehrveranstaltung ist äquivalent zur VU "Software Tools and Libraries for Scientific Computing"
Moodle
Mo 28.04. 18:30-20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 25 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Montag 03.03. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Mittwoch 05.03. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Montag 10.03. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Montag 17.03. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Mittwoch 19.03. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Montag 24.03. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Mittwoch 26.03. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Montag 31.03. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Mittwoch 02.04. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Montag 07.04. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Mittwoch 09.04. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Mittwoch 30.04. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Montag 05.05. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Mittwoch 07.05. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Montag 12.05. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Mittwoch 14.05. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Montag 19.05. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Mittwoch 21.05. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Montag 26.05. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Mittwoch 28.05. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Montag 02.06. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Mittwoch 04.06. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Mittwoch 11.06. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Montag 16.06. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Mittwoch 18.06. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Montag 23.06. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Mittwoch 25.06. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Montag 30.06. 18:30 - 20:00 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

We discuss software tools for computational and data science in the fields of linear algebra, gradient-based optimization, ordinary differential equations, sparse linear solvers, and neural networks, with a focus on learning-based methods, including their foundational numerical algorithms and GPU-accelerated computation using CUDA.

Students gain hands-on experience with computational software such as BLAS, PyTorch, LAPACK, MPFR, PETSc, and CUDA, and they learn to implement neural network models, automatic differentiation, and gradient-based training pipelines. Computational results are evaluated to ensure optimal performance. Hands-on experience is reinforced through in-depth discussions.

The students are expected to have good general programming skills, basic familiarity with programming in C and Python (other languages upon request), and experience in using GNU/Linux and Bash. The course builds upon the contents of the modules "Introduction to Numerical Computing" (NUM) and "Combinatorial and Numerical Algorithms" (CNA).

Art der Leistungskontrolle und erlaubte Hilfsmittel

The grading will be based on two written exams (closed book) and projects.

Mindestanforderungen und Beurteilungsmaßstab

Presence is mandatory during the entire course. Each part (projects and exams, respectively) needs a score of at least 50%; grading: <50%=5, 50% up to 62.5%=4, up to 75%=3, up to 87,5%=2, 87,5% or better=1.

Prüfungsstoff

All topics of the lectures will be relevant for the exams.

Literatur

The lectures are accompanied by slides which point to additional relevant literature (supplied in the course). Textbooks etc. are not required.

Zuordnung im Vorlesungsverzeichnis

Module: STL

Letzte Änderung: Mo 24.02.2025 09:25