Avis loadedNote : 4,5Length : 6TotalNote : 270TotalNote20 : 10
Formation Python, programmation parallèle et calcul distribué
Durée : 4 jours
Réf : PYP
Prix 2021 :
2390 €
H.T.
Pauses et déjeuners offerts
-
Programme
-
Participants / Prérequis
-
Intra / sur-mesure
-
Programme
Le succès de Python pour les applications scientifiques (Data science, Big Data, Machine Learning...) requiert de plus en plus de capacités de calculs. Ce cours vous initie au paradigme du calcul parallèle/distribué, des concepts de base aux techniques et librairies les plus avancées de l’écosystème Python.
Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
- Acquérir les concepts de la programmation parallèle
- Savoir identifier les portions d’un programme qui sont parallélisables
- Posséder une vision claire de l’écosystème de calcul parallèle pour Python
- Développer des applications parallélisées (programmation asynchrone, multithreading, multiprocessing, calcul distribué)
- Savoir exécuter des calculs sur les GPU des cartes graphiques
- Savoir exécuter un workflow de tâches dans le Cloud
Méthodes pédagogiques
70% du temps est consacré à la mise en pratique des concepts et librairies présentées. L’utilisation des notebooks Jupyter et l’exécution de code dans le Cloud apportent une réelle interactivité.
PROGRAMME
DE FORMATION
Le parallélisme et son écosystème Python
- Les différentes formes du parallélisme et ses architectures (CPU, GPU, ASIC, FPGA, NUMA, OpenMP, MPI... ).
- Contraintes et limites.
- L’écosystème de calcul parallèle pour Python.
Travaux pratiques
Profiling d’un programme (cProfile, Kcachegrind et pyprof2calltree). Compiler un programme C avec les instructions SIMD. Bien installer Numpy : comment obtenir un gain de vitesse x40.
Les bases : programmation asynchrone, multithreading et multiprocessing
- Programmation asynchrone : générateurs et asyncio.
- Multithreading : accès concurrents, verrous…
- Limites du multithreading en Python.
- Multiprocessing : mémoire partagée, pools de process, conditions...
- Premier cluster de calcul distribué avec les Managers et Proxy.
Travaux pratiques
Réalisation d'une même chaîne de traitement de données avec chaque modèle et d’un cluster de calcul distribué entre les machines des participants.
Calcul distribué : Celery, Dask et PySpark
- Concepts et configuration.
- Mise en œuvre de chaque librairie.
Travaux pratiques
Plusieurs exercices seront abordés (calcul matriciel, traitement d’image/texte, Bitcoin, Machine Learning...). Utilisation des notebooks Zeppelin.
Calculer sur GPU
- Les architectures GPU : kernels, mémoire, threads...
- Les librairies OpenCL et CUDA.
- Mise en œuvre des librairies Scikit-cuda, PyCUDA et Numba.
Travaux pratiques
Calcul matriciel et traitement d’images. Machine Learning avec la librairie mxnet : Neural Art. Compilation Just In Time.
Autres librairies de programmation parallèle
- Message Passing Interface avec MPI4py.
- PyOpenCL : implémenter un code avec des systèmes hétérogènes.
- Joblib : Les pipelines légers.
- Greenlets : vers un meilleur multithreading.
- Pythran : Compiler vos programmes Python sur architectures multicœurs et vectorisées.
Travaux pratiques
Exercices de base avec chaque librairie.
Créer des workflows de tâches
- Les primitives disponibles avec Celery, Dask et PySpark.
- Créer et superviser des workflows avec les librairies Luigi et Airflow.
Travaux pratiques
Création de pipelines de traitements de données avec chaque librairie.
Exécuter des calculs dans le Cloud
- Panorama de l’offre Internet pour le Cloud.
- Administrer un cluster avec Ansible.
Travaux pratiques
Effectuer des calculs dans le Cloud.
Participants / Prérequis
» Participants
Développeurs, data scientists, data analysts, chefs de projets.
» Prérequis
Bonnes connaissances du langage Python et si possible de ses librairies scientifiques Numpy, Scipy et Pandas.
Intra / sur-mesure
Avis clients
|
CHIHEB EDDINE L. 08/12/2020
|
|
Bonne formation. Mais je pense que 4 jours ce n’est pas suffisant car les sujets sont assez larges et on peut voir beaucoup de choses.
Excellent contenu, jolie découverte d’un monde que je connaissais très peu.
Avec un beau plus sur l’utilisation de notebook jupyter partagé.
Gaël a fait en sorte de bien accompagner chacun des participants.
Le contenu est largement trop étendu pour être vu en 4 jours.
Sans étendre la durée de la formation, demander le principal sujet intérêt de chacun des intervenants avant le début serait un m
le formateur maitrise son sujet
comme il y a beaucoup de sujets et qu’il y a matière à approfondir pendant les exercices, à la fin le temps manque
Les + : Beaucoup de sujet connexes abordés, de la documentation à profusion pour ces sujets.
Formation intéressante, dense et riche. Une journée supplémentaire n’aurait sans doute pas été de trop
Les rappels de base étaient utiles mais peut-être un peu long.
Le cours donne un bon panorama des libraires de calcul parallèle.
Satisfait pas les supports
Les avis clients sont issus des feuilles d’évaluation de fin de formation.
La note est calculée à partir de l’ensemble des avis datant de moins de 12 mois.
CLASSE A DISTANCE
En inter et en intra-entreprise
Inscrivez-vous ou
contactez-nous !
Pour vous inscrire
Cliquez sur la ville, puis sur la date de votre choix.
Horaires
Les cours ont lieu de 9h à 12h30 et de 14h à 17h30.
Les participants sont accueillis à partir de 8h45.
Pour les stages pratiques de 4 ou 5 jours, les sessions se terminent à 15h30 le dernier jour.
