Arquiteturas Avançadas de Computação na Periferia para Internet das Coisas

Conhecimentos de Base Recomendados

Arquiteturas de computadores, Programação de computadores, Inteligência Artificial.

Métodos de Ensino

O ensino da unidade curricular está organizado em duas componentes complementares, teórica ou de seminário e prática ou de carácter tutorial (OT). As aulas de seminário teóricas (S) destinam-se sobretudo à exposição de conteúdos pelo docente e ao esclarecimento de dúvidas de interesse geral para a turma. De igual modo, prevê-se o estudo e análise de trabalhos descritores do estado-da-arte e a sua discussão de modo expositivo em ambiente de aula. As aulas tutoriais (OT) visam consolidar os conceitos apresentados nas aulas S através do desenvolvimento de um projeto de carácter prático.

Resultados de Aprendizagem

O objetivo da unidade curricular consiste na introdução de conceitos teóricos e práticos de computação na edge, apresentando as suas vantagens em relação à computação centralizada. Com a massificação de novos sistemas da Internet das Coisas (IoT), a quantidade de dados gerada aumentou significativamente. A unidade curricular pretende mostrar que o processamento distribuído desses dados na edge permite assegurar uma utilização mais eficiente dos recursos computacionais disponíveis, tais como a utilização mais eficiente da memória, da largura de banda, e a diminuição de latência e consumo energético

O processamento desses dados requer frequentemente a utilização de técnicas de aprendizagem computacional distribuída, como por exemplo a aprendizagem federada, que permite aumentar os níveis de segurança e privacidade dos dados. Em particular, a unidade curricular enfatizará a aquisição de competências de computação que envolvam a utilização de GPUs low-power e System-on-Chip (SoC) na edge.

Estágio(s)

Não

Programa

- Evolução de sistemas distribuídos: porquê o processamento na edge?

- Arquiteturas de sistema distribuídos multicamadas (estudo de casos em redes IoT e 5G)

- Plataformas de computação na edge em hardware e software de última geração

- Computação em GPUs e System-on-Chips (SoCs) na edge:

      => Gestão de memória

      => Balanceamento de carga de trabalho entre host e dispositivo

      => Consumo / gestão de energia

- Movendo técnicas de aprendizagem máquina para fora dos datacenters:

      => Aprendizagem federada

      => Aprendizagem de reforço na edge

- Aplicações avançados de computação na edge:

      => Cidades inteligentes suportadas por processamento na edge

      => Saúde

      => Robótica assistiva

      => Manufatura e indústria 4.0

      => Veículos inteligentes e drones com suporte na edge

      => Dispositivos de realidade virtual e aumentada

- Gestão de recursos, energia, balanceamento de carga e distribuição em sistemas de computação fog multi.

Docente(s) responsável(eis)

Gabriel Falcão Paiva Fernandes

Métodos de Avaliação

Avaliação
Mini Testes: 20.0%
Relatório de seminário ou visita de estudo: 30.0%
Trabalho de investigação: 50.0%

Bibliografia

1. Thomas Sterling, Matthew Anderson, and Maciej Brodowicz. High Performance Computing: Modern Systems and Practices, 1st Edition, Morgan Kaufmann, 5th December 2017.

2. Kirk, David B., and W. Hwu Wen-Mei. Programming massively parallel processors: a hands-on approach. Morgan kaufmann, 2016.

3. Buyya, Rajkumar, and Satish Narayana Srirama, eds. Fog and edge computing: principles and paradigms. John Wiley & Sons, 2019.

4. Qiang Yang, Yang Liu, Yong Cheng, Yan Kang, Tianjian Chen, and Han Yu. Federated Learning, Morgan & Claypool, 2019.

5. Pete Warden, and Daniel Situnayake. TinyML. O'Reilly Media, Inc., December 2019. ISBN: 9781492052043.