Tillfället ingår inte i den aktuella katalogen. Uppgifterna är bevarade från en tidigare publicering. Kontrollera aktuellt utbud hos anordnaren.
Lund University
Computational Science: Parallel Programming in Scientific Computing
<p>The course covers key concepts in parallel programming and issues affecting correctness and performance. Upon completion, students will have advanced knowledge to develop, modify, and evaluate parallel algorithms and programs.</p><p>The course is an alternative-compulsory course within the Master’s Programme in C…
- Högskoleutbildning
- Uppgift saknas
- 2 november 2026
- Uppgift saknas
- Uppgift saknas
- 50 %
Översikt
<p>The course covers key concepts in parallel programming and issues affecting correctness and performance. Upon completion, students will have advanced knowledge to develop, modify, and evaluate parallel algorithms and programs.</p><p>The course is an alternative-compulsory course within the Master’s Programme in Computational Science and may be included as an optional advanced-level course in the Master’s Programme in Mathematics with a specialization in Numerical Analysis. It can also be taken as a standalone course.</p> <p>The course introduces programming in C and addresses parallel computing with both distributed and shared memory. It covers essential commands in the MPI and OpenMP interfaces, methods for performance evaluation, debugging, and profiling of parallel applications. Furthermore, it discusses efficient parallelization of common algorithmic constructs as well as hybrid parallelization of stencil codes on regular grids.</p>
Antagningspoäng
Behörighet
For admission to the course English 6/B and at least 90 credits in natural science are required, including knowledge equivalent to the course NUMA01 Computational Programming with Python (7.5 credits). In addition, knowledge equivalent to one of the following courses is required: NUMA32 Numerical Methods for Differential Equations (7.5 credits), NUMN21 Advanced Course in Numerical Algorithms with Python/SciPy (7.5 credits), FYTN03 Computational Physics (7.5 credits) or FYSN33 Applied Computational Physics and Machine Learning (7.5 credits).
Texten återges från Susa-underlaget. Antagningsdata gör ingen egen mappning mellan GY11 och GY25 och bedömer inte personlig behörighet.
Källa, mått och datakvalitet
- Källa
- Skolverket Susa-navet
- Period
- 2026-11-02
- Mått
- Behörighetstext återgiven från publicerat Susa-underlag; ingen personlig behörighetsbedömning.
- Population
- Utbildningstillfälle e.uoh.lu.bern09.13059.20262
- Senaste kontroll
- 2026-09-23T10:38:26.989764+00:00
- Begränsning
- GY11 och GY25 mappas inte av Antagningsdata. Grundläggande och särskilda villkor separeras inte utan strukturerat underlag.
Utbildningens innehåll
Studiernas upplägg
Ansökan och viktiga datum
- Utbildningen startar
- Utbildningen slutar
Lön och lönefördelning
Vanliga yrken efter utbildningen
Studenterna
Geografisk bakgrund
Tidigare gymnasieskolor och program
Genomströmning och utfall
Om anordnaren
Källor och datakvalitet
Utbildningsfakta för valt tillfälle kommer från Skolverket Susa-navet.
Hämtad . Publicerad . Tider visas i svensk tid.
Källidentitet och publiceringsversion
- Publiceringsversion
- 8e217193-f5fa-4778-b085-a4521fd03e8d
- Utbildningsidentitet hos källan
- i.uoh.lu.bern09.13059.20262
- Tillfällesidentitet hos källan
- e.uoh.lu.bern09.13059.20262
- Utbildningsformens källkod
- HS
- Utbildningskod hos källan
- BERN09
- Ändringstid enligt källan
- 2026-02-03T10:34:16
Anordnare, utbildning och utbildningstillfälle är separata identiteter. Uppgifter om ansökan bör kontrolleras på den officiella webbplatsen. Kompletterande statistik har inte hämtats från denna källa.