Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen angezeigt.

Link zu dieser Vergleichsansicht

Beide Seiten der vorigen RevisionVorhergehende Überarbeitung
Nächste Überarbeitung		Vorhergehende Überarbeitung
bwgpul [2020/05/06 18:45 CEST] – sritterbwgpul [2020/05/11 11:24 CEST] (aktuell) – sritter
Zeile 3: Zeile 3:
 <WRAP justify 1000px> <WRAP justify 1000px>
  
-Ausgelöst durch die steigende Nachfrage nach schnell und einfach nutzbaren GPU-Ressourcen in der Lehre läuft das Projekt bwGPUL seit März 2020 als Kooperationsprojekt der Hochschulen Offenburg und Furtwangen sowie der Universität Freiburg. Dabei sollen die verschiedenen Bedürfnisse der Anwender (Lehrende, Administration) erfasst und diverse Ansätze untersucht und umgesetzt werden.+==== Projektbeschreibung ==== 
 + 
 +Ausgelöst durch die steigende Nachfrage nach performanten und einfach nutzbaren GPU-Ressourcen in der Lehre läuft das Projekt bwGPUL seit März 2020 als Kooperationsprojekt der Hochschulen Offenburg und Furtwangen sowie der Universität Freiburg. Das Projekt wird durch das Ministerium für Wissenschaft, Forschung und Kunst Baden-Württemberg gefördert.
  
 Viele aktuelle Themen in der Industrie und Forschung drehen sich um Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Beispiele wie autonomes Fahren oder Bild- bzw. Videoerkennung sind nur zwei populäre Teilgebiete, die in den letzten Jahren großes Interesse wecken. In der Industrie gängige Vorgehensweisen, wie das Bündeln von Rechenkapazität in einem zentralen Cluster, sind in der Lehre häufig nicht praktikabel oder schlicht zu teuer. Dabei gibt es in Form von üppig ausgestatteten Workstations oder Einzelplatzrechnern durchaus Kapazitäten. Diese, in Randzeiten häufig brachliegenden Ressourcen, sollen im Projekt bwGPUL flexibel für die Lehre nutzbar gemacht werden. Viele aktuelle Themen in der Industrie und Forschung drehen sich um Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Beispiele wie autonomes Fahren oder Bild- bzw. Videoerkennung sind nur zwei populäre Teilgebiete, die in den letzten Jahren großes Interesse wecken. In der Industrie gängige Vorgehensweisen, wie das Bündeln von Rechenkapazität in einem zentralen Cluster, sind in der Lehre häufig nicht praktikabel oder schlicht zu teuer. Dabei gibt es in Form von üppig ausgestatteten Workstations oder Einzelplatzrechnern durchaus Kapazitäten. Diese, in Randzeiten häufig brachliegenden Ressourcen, sollen im Projekt bwGPUL flexibel für die Lehre nutzbar gemacht werden.
  
-__**Ziele:**__ Es sollen zeitnah Lösungsansätze für nachhaltige und kostengünstige GPU-Ressourcen für die Lehre im Land entwickelt und prototypisch umgesetzt werden. Dabei soll möglichst auf bestehender Infrastruktur aufgebaut und Synergien mit Anwendungen jenseits der KI wie z.B. CAD, MATLAB oder Simulationsumgebungen genutzt werden:+==== Ziele ==== 
 + 
 +Es sollen zeitnah Lösungsansätze für nachhaltige und kostengünstige GPU-Ressourcen für die Lehre im Land entwickelt und prototypisch umgesetzt werden. Dabei soll möglichst auf bestehender Infrastruktur aufgebaut und Synergien mit Anwendungen jenseits der KI wie z.B. CAD, MATLAB oder Simulationsumgebungen genutzt werden:
   * Erweiterung von bwLehrpool für GPU-Anwendungen (derzeit können GPU Rechenressourcen nicht adäquat eingebunden werden).   * Erweiterung von bwLehrpool für GPU-Anwendungen (derzeit können GPU Rechenressourcen nicht adäquat eingebunden werden).
   * Erstellen von prototypischen KI/ML/CAD/MATLAB-Lehrumgebungen in bwLehrpool (Bereitstellung von Images für Vorlesungen und Laborübungen).   * Erstellen von prototypischen KI/ML/CAD/MATLAB-Lehrumgebungen in bwLehrpool (Bereitstellung von Images für Vorlesungen und Laborübungen).

Zuletzt angesehen:

Drucken/exportieren