Um Software zu entwickeln, die größere Datenmengen mit höherer Geschwindigkeit verarbeitet, benötigen Software-Betriebssysteme, Programmiersprachen und Frameworks Strategien für den Zugriff auf und die Änderung von Daten in einer Weise, die die Geschwindigkeit maximiert und gleichzeitig die Möglichkeit minimiert, dass sich Daten in falschen Zuständen befinden. In diesem Modul werden den Studenten kanonische Gleichzeitigkeitsprobleme wie die Dining Philosophers vorgestellt. Außerdem lernen sie, wie Betriebssysteme und Programmiersprachen mit diesen Problemen umgehen und diskutieren reale Big-Data-Gleichzeitigkeitsanwendungen.

Moderne Programmiersprachen ermöglichen es Entwicklern, Software mit komplexer Logik für die parallele Verarbeitung von Daten zu erstellen und dabei die Vorteile mehrerer CPU-Kerne in den meisten Computern zu nutzen. Die Studenten werden einfache Software entwickeln, die in den Programmiersprachen C++ und Python 3 geschrieben wurde und die Datensätze parallel verarbeitet.

Um effektive GPU-beschleunigte Software zu schreiben, muss ein Entwickler zunächst die zugrunde liegende Hardware-Architektur und das Software-Ökosystem verstehen, das diese ermöglicht. In diesem Modul werden die Teilnehmer mit den wichtigsten Hardware-Architekturen von NVIDIA-GPUs vertraut gemacht. Außerdem lernen sie die CUDA Softwareschichten, den Installations- und Kompilierungsprozess sowie die wesentlichen Unterschiede zwischen den Laufzeit- und Treiber-APIs kennen.

Ziel dieses Moduls ist der Übergang von der Theorie zur Praxis durch die Einführung in die Grundlagen der GPU-Programmierung. Die Teilnehmer lernen die wesentlichen CUDA Software-Schlüsselwörter und die Syntax kennen, die zum Schreiben von Gerätecode erforderlich sind. Sie werden auch durch die besten Praktiken für die Strukturierung sowohl einfacher als auch komplexer Projekte geführt und wenden diese Konzepte in praktischen Aufgaben in gängigen Entwicklungsumgebungen an.