Parallélisation avec Python

La formation "Parallélisation avec Python", dispensée sur 5 jours, adopte une progression pédagogique logique : des bases théoriques et profiling (jours 1-2), à la parallélisation CPU locale (jours 2-3), au calcul distribué (jour 4), puis au GPU (jour 5), favorisant une montée en compétences graduelle de l'individuel au distribué. Prérequis : Maîtrise des bases de Python et notions en programmation. Les méthodes d'apprentissage combinent exposés théoriques, panoramas d'outils (Numba, Dask, Ray, cuPy) et mises en pratique intensives : profiling matériel, parallélisation de tâches réelles (images, CSV, données climatiques), création de clusters et manipulation de dataframes GPU. À l'issue, les participants acquièrent des compétences clés : profiler les limites (loi d'Amdahl, GIL), implémenter multithreading/multiprocessing, contourner le GIL via JIT, déployer sur clusters/GPU et choisir le matériel adapté. Cette approche hands-on maximise l'expérience d'apprentissage en reliant théorie et pratique pour optimiser des applications performantes.