Détails
- 8 Sections
- 30 Lessons
- 14 Weeks
Expand all sectionsCollapse all sections
- Introduction à la Programmation Parallèle et au Calcul Distribué (3 heures)3
- 1.1Les concepts clés de la programmation parallèle et du calcul distribué
- 1.2Les avantages et les défis de l’utilisation de ces approches en Python
- 1.3Les modèles de programmation parallèle (ex. : multiprocessing, multithreading) et les architectures distribuées (ex. : client-serveur, calcul en grille)
- Introduction à la Programmation Parallèle et au Calcul Distribué (3 heures)3
- 2.1Les concepts clés de la programmation parallèle et du calcul distribué
- 2.2Les avantages et les défis de l’utilisation de ces approches en Python
- 2.3Les modèles de programmation parallèle (ex. : multiprocessing, multithreading) et les architectures distribuées (ex. : client-serveur, calcul en grille)
- Bibliothèques de Programmation Parallèle en Python (4 heures)4
- 3.1Utilisation de la bibliothèque multiprocessing pour exploiter les ressources multicœurs
- 3.2La gestion des processus, des tâches et de la communication entre les processus
- 3.3L’utilisation de la bibliothèque concurrent.futures pour exécuter des tâches asynchrones et parallèles
- 3.4Travaux pratiques : Programmation parallèle avec multiprocessing et concurrent.futures
- Bibliothèques de Programmation Parallèle en Python (4 heures)4
- 4.1Utilisation de la bibliothèque multiprocessing pour exploiter les ressources multicœurs
- 4.2La gestion des processus, des tâches et de la communication entre les processus
- 4.3L’utilisation de la bibliothèque concurrent.futures pour exécuter des tâches asynchrones et parallèles
- 4.4Travaux pratiques : Programmation parallèle avec multiprocessing et concurrent.futures
- Calcul Distribué avec Python (4 heures)4
- 5.1L’utilisation de la bibliothèque de calcul distribué dask pour gérer des tâches distribuées
- 5.2La création et la manipulation de tableaux de données distribués avec dask.dataframe
- 5.3L’exécution de calculs parallèles sur des clusters de machines avec dask.distributed
- 5.4Travaux pratiques : Calcul distribué avec dask sur un cluster de machines
- Calcul Distribué avec Python (4 heures)4
- 6.1L’utilisation de la bibliothèque de calcul distribué dask pour gérer des tâches distribuées
- 6.2La création et la manipulation de tableaux de données distribués avec dask.dataframe
- 6.3L’exécution de calculs parallèles sur des clusters de machines avec dask.distributed
- 6.4Travaux pratiques : Calcul distribué avec dask sur un cluster de machines
- Optimisation des Performances en Python (3 heures)4
- Optimisation des Performances en Python (3 heures)4
