> Formations > Technologies numériques > Développement logiciel > Python > Formation Python, programmation parallèle et calcul distribué

Formation : Python, programmation parallèle et calcul distribué

Python, programmation parallèle et calcul distribué

Télécharger au format pdf Partager cette formation par e-mail 2


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.


Inter
Intra
Sur mesure

Cours pratique en présentiel ou en classe à distance

Réf. PYP
Prix : 2390 CHF H.T.
  4j - 28h00




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

Public concerné
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.
Vérifiez que vous avez les prérequis nécessaires pour profiter pleinement de cette formation en faisant  ce test.

Programme de la 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.


Modalités pratiques
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.

Modalités d'évaluation
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

Avis clients
4,3 / 5
Les avis clients sont issus des évaluations de fin de formation. La note est calculée à partir de l’ensemble des évaluations datant de moins de 12 mois. Seules celles avec un commentaire textuel sont affichées.
SAMER M.
14/11/23
5 / 5

Gael est très compétent et pédagogue. J’ai appris beaucoup de choses dans cette formation sur les calculs parallèles. J’ai découvert beaucoup de librairies python pour le calcul parallèle. Le contenu scientifique est très intéressant. J’ai pas pu tout comprendre étant que j’avais aucune base sur les calculs parallèles.
MATHIEU M.
14/11/23
5 / 5

Amélioration la dissociation exercice/phase pratique vs présentation théorique
HILLEL N.
14/11/23
4 / 5

Contenu riche et intéressant, en accord avec l’intitulé de la formation. Dommage que nous n’ayons pas eu le temps de tout voir, il y en a tant. Mais nous avons pu couvrir tous les sujets et nous avons tous les éléments pour approfondir. Dommage qu’il n’y ait pas plus de temps pour réaliser et intégrer les exercices (nous avons pu les suivre sur l’écran du formateur et les refaire chez nous), mais c’est une balance entre les exercices et les explications: n




Dates et lieux
Du 27 au 30 mai 2024 *
FR
Classe à distance
Session garantie
S’inscrire
Du 16 au 19 juillet 2024
FR
Classe à distance
S’inscrire
Du 8 au 11 octobre 2024
FR
Classe à distance
S’inscrire