INSTITUTO POLITÉCNICO NACIONAL

SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

PROGRAMA SINTÉTICO
UNIDAD ACADÉMICA: UNIDAD PROFESIONAL INTERDISCIPLINARIA EN INGENIERÍA CAMPUS COAHUILA;
(UPIIC), ESCUELA SUPERIOR DE COMPUTO (ESCOM), UNIDAD PROFESIONAL
INTERDISCIPLINARIA EN INGENIERÍA CAMPUS TLAXCALA (UPIIT)
PROGRAMA ACADÉMICO: Ingeniería en Inteligencia Artificial
UNIDAD DE APRENDIZAJE: Cómputo paralelo SEMESTRE: VI

PROPÓSITO DE LA UNIDAD DE APRENDIZAJE:

Diseña aplicaciones paralelas con base en el cómputo paralelo.
I. Acercamiento al cómputo paralelo.
II. Diseño y análisis de programas paralelos.
CONTENIDOS: III. Programación paralela en sistemas de memoria compartida.
IV. Programación paralela en sistemas distribuidos.
V. Programación basada en flujo de datos.
Métodos de enseñanza Estrategias de aprendizaje
a) Inductivo X a) Estudio de casos
ORIENTACIÓN b) Deductivo X b) Aprendizaje basado en problemas X
DIDÁCTICA:
c) Analógico X c) Aprendizaje orientado proyectos
d) Basado en la lógica de la
d) Aprendizaje autónomo X
disciplina
Diagnóstica X Saberes Previamente Adquiridos X
Solución de casos Organizadores gráficos X
Problemas resueltos X Problemarios
EVALUACIÓN Y
Reporte de proyectos Exposiciones
ACREDITACIÓN:
Reportes de indagación Otras evidencias a evaluar: Ejercicios resueltos
en equipo y programas de cómputo funcionando
Reportes de prácticas X según requerimientos.
Evaluaciones escritas X
Autor(es) Año Título del documento Editorial / ISBN
Cambridge university
Czech, J. 2016 Introduction to parallel computing.
press / 9781107174399
*Grama, A., Kumar,
Addison-Wesley /
V., Gupta, A. & 2003 Introduction to Parallel Computing.
0201648652
Karypis, G.
BIBLIOGRAFÍA
BÁSICA: Parallel computing Architectures and CRC press /
Kale, V. 2020
APIs–Iot Big Data Stream Processin. 9781138553910
Principles of Parallel Programming,
Morgan Kaufmann /
Kirk, D. & HWu, W. 2017 Programming Massively Parallel
9780128119860
Processors: A Hands-on Approach.
Morgan Kaufmann /
*Pacheco, P. 2011 An Introduction to Parallel Computing.
9780123742605
*Bibliografía clásica
 INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

PROGRAMA DE ESTUDIOS

UNIDAD DE APRENDIZAJE: Cómputo paralelo HOJA 2 DE 9

UNIDAD ACADÉMICA: UNIDAD PROFESIONAL INTERDISCIPLINARIA EN INGENIERÍA CAMPUS COAHUILA;

(UPIIC), ESCUELA SUPERIOR DE COMPUTO (ESCOM), UNIDAD PROFESIONAL
INTERDISCIPLINARIA EN INGENIERÍA CAMPUS TLAXCALA (UPIIT)
PROGRAMA ACADÉMICO: Ingeniería en Inteligencia Artificial
SEMESTRE: ÁREA DE FORMACIÓN: MODALIDAD:
VI Formación Profesional Escolarizada
TIPO DE UNIDAD DE APRENDIZAJE:
Teórica-Práctica/Obligatoria
VIGENTE A PARTIR DE: CRÉDITOS:
Agosto 2022 TEPIC: 7.5 SATCA: 6.0
INTENCIÓN EDUCATIVA
La unidad de aprendizaje contribuye al perfil de egreso de la Ingeniería en Inteligencia Artificial con el desarrollo
de las habilidades técnicas de diseño, implementación y evaluación de algoritmos paralelos para su aplicación a
problemas que requieren soluciones de alto desempeño. Asimismo, el trabajo colaborativo, la comunicación
asertiva y la toma de decisiones. Todo ello asumiendo una actitud de responsabilidad y ética en su desempeño
profesional y personal.

Esta unidad se relaciona de manera antecedente con Algoritmos y Estructuras de Datos.

PROPÓSITO DE LA UNIDAD DE APRENDIZAJE:

Diseña aplicaciones paralelas con base en el cómputo paralelo

TIEMPOS ASIGNADOS AUTORIZADO Y VALIDADO

UNIDAD DE APRENDIZAJE POR:
HORAS TEORÍA/SEMANA: 3.0 DISEÑADA POR: Comisión de
Diseño del Programa Académico.

HORAS PRÁCTICA/SEMANA: 1.5

HORAS TEORÍA/SEMESTRE: 54.0 APROBADO POR:

HORAS PRÁCTICA/SEMESTRE:
27.0 Comisión de Programas
Académicos del H. Consejo
HORAS APRENDIZAJE General Consultivo del IPN.
AUTÓNOMO: 18.0 __________________________
Mtro. Mauricio Igor Jasso
Zaranda
HORAS TOTALES/SEMESTRE: 81.0 Director de Educación Superior
 INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

UNIDAD DE APRENDIZAJE: Cómputo paralelo HOJA 3 DE 9

UNIDAD TEMÁTICA I HORAS CON

HRS
Acercamiento al cómputo CONTENIDO DOCENTE
AA
paralelo T P
UNIDAD DE 1.1 Motivación, bases y alcances del cómputo paralelo: 1.5 1.0
COMPETENCIA características
1.1.1 Comunicación entre procesos
Describe los tipos 1.1.2 Programas concurrentes, paralelos y distribuidos
arquitectura paralela con 1.1.3 Hilos
base en sus alcances, 1.1.4 Exactitud de los programas concurrentes
características y 1.1.5 Sistemas Distribuidos
aplicaciones.
1.2 Arquitecturas de computadoras paralelas 1.5
1.2.1 Procesadores multinucleo
1.2.2 Arreglos de procesadores
1.2.3 Computadoras multiprocesadores
1.2.4 Clusters
1.2.5 Computadoras de arquitecturas no convencionales
1.2.6 Redes de interconexión

1.3 Taxonomía de Flyn 1.5

1.3.1 Instrucción única, flujo de datos único (SISD)
1.3.2 Instrucción única, flujo de datos múltiple (SIMD)
1.3.3 Instrucciones múltiples, flujo de datos único (MISD)
1.3.4 Instrucciones múltiples, flujo de datos Múltiple (MIMD)
1.3.5 Aplicaciones

1.4 Modelos de computo paralelo 1.5 1.0

1.4.1 Modelos de memoria compartida
1.4.2 Modelos interconexión de red, memoria distribuida o
paso de mensajes
1.4.3 Modelo de flujo de datos
1.4.4 Aplicaciones
Subtotal 6.0 0.0 2.0
 INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

UNIDAD DE APRENDIZAJE: Cómputo paralelo HOJA 4 DE 9

UNIDAD TEMÁTICA II HORAS CON

HRS
Diseño y análisis de CONTENIDO DOCENTE
AA
programas paralelos T P
UNIDAD DE 2.1 Clases de problemas solucionables usando computo 1.5
COMPETENCIA paralelo
2.1.1 Tareas paralelizables
Distingue el diseño de
algoritmos paralelos a partir 2.2 Tipos de paralelización 3.0 1.5 1.0
de los tipos de 2.2.1 Paralelización funcional
paralelización, el método de 2.2.2 Paralelización de datos
Foster y su análisis de 2.2.3 Paralelización recursiva
rendimiento. 2.2.4 Paralelización exploratoria
2.2.5 Paralelización especulativa

2.3 Diseño de algoritmos paralelos 3.0 1.5 1.0

2.3.1 Descomposición del problema
2.3.2 Granularidad de la computación
2.3.3 Minimización de costos del algoritmo paralelo
2.3.4 Asignación de tareas a las unidades de procesamiento

2.4 Método Foster

2.4.1 Particionamiento 1.5 1.5 1.0
2.4.2 Comunicación
2.4.3 Aglomeración
2.4.4 Mapeo

2.5 Análisis de rendimiento para programas paralelos 3.0 1.5 1.0

2.5.1 Métricas de desempeño
2.5.2 Escalabilidad de los sistemas paralelos
2.5.3 Función de isoeficiencia
2.5.5 Ley de Amdahl
2.5.6 Ley de Gustafson Barsis’s
2.5.7 Métrica de Karp-Flatt
Subtotal 12.0 6.0 4.0
 INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

UNIDAD DE APRENDIZAJE: Cómputo paralelo HOJA 5 DE 9

UNIDAD TEMÁTICA III HORAS CON

Programación paralela en DOCENTE HRS
CONTENIDO
sistemas de memoria AA
T P
compartida
UNIDAD DE 3.1 Computo paralelo usando memoria compartida 1.5
COMPETENCIA 3.1.1 Arquitecturas multi-núcleo y multi-socket
3.1.2 Modelos de memoria compartida
Elabora programas
paralelos con base en las 3.2 Cache 1.5 1.0
políticas y la memoria 3.2.1 Numero de caches
compartida. 3.2.2 Tamaños del cache
3.2.3 Mapeo de bloques de memoria a bloques de cache

3.3 Política de escritura 1.5 1.0 1.0

3.3.1 Política write-through
3.3.2 Política write- back

3.4 Coherencia de cache 3.0 1.5 1.0

3.4.1 Protocolos snooping
3.4.2 Protocolos basados en directorio

3.5 Consistencia de memoria 1.5 1.5 1.0

3.5.1 Consistencia secuencial

3.6 Interfaces de programación de aplicaciones *(Aplication 3.0 2.0 1.0

Program Interface APIs) y Lenguajes de programación
Subtotal 12.0 7.0 4.0
*Por sus siglas en ingles

UNIDAD TEMÁTICA IV HORAS CON

HRS
Programación paralela en CONTENIDO DOCENTE
AA
sistemas distribuidos T P
UNIDAD DE 4.1 Computo paralelo usando memoria distribuida 3.0 1.5 1.0
COMPETENCIA 4.1.1 Arquitecturas de red
4.1.2 Arquitectura de memoria distribuida con acoplamientos
Elabora programas fuerte y débil
paralelos con base en las 4.1.3 Arquitectura de memoria distribuida con acoplamiento
políticas y la memoria bajo
distribuida.
4.2 Ruteo 3.0 1.5 1.0
4.2.1 Algoritmos de ruteo para transmisión y multitransmisión
4.2.2 Algoritmos de estancamiento y ruteo

4.3 Conmutación 3.0 1.5 1.0

4.3.1 Conmutación de conexión
4.3.2 Conmutación de paquetes

4.4 APIs y Lenguajes de programación 3.0 2.5 1.0

Subtotal 12.0 7.0 4.0
 INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

UNIDAD DE APRENDIZAJE: Cómputo paralelo HOJA 6 DE 9

UNIDAD TEMÁTICA V HORAS CON

HRS
Programación basada en CONTENIDO DOCENTE
AA
el flujo de datos T P
UNIDAD DE 5.1 Computo paralelo usando flujos de datos 3.0 1.5 1.0
COMPETENCIA
Elabora programas 5.2 Aceleradores paralelos 3.0 1.5 1.0
paralelos con base en 5.2.1 Principios
principios de aceleradores 5.2.2 Características
paralelos y procesadores 5.2.3 Aplicaciones
de flujo
5.3 Procesadores de flujo 3.0 1.5 1.0

5.4 APIs y Lenguajes de programación 3.0 2.5 1.0

Subtotal 12.0 7.0 4.0
 INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

UNIDAD DE APRENDIZAJE: Cómputo paralelo HOJA 7 DE 9

ESTRATEGIAS DE APRENDIZAJE EVALUACIÓN DE LOS APRENDIZAJES

Estrategia de Aprendizaje Basado en Problemas. Evaluación diagnóstica.

El alumno desarrollará las siguientes actividades: Portafolio de evidencias.

1. Desarrollo de conceptos teóricos e indagación 1. Organizadores gráficos.

documental con lo que elaborará organizadores 2. Ejercicios resueltos.
gráficos. 3. Problemas resueltos.
2. Solución de ejercicios de los temas que sean vistos 4. Programas de cómputo funcionando según los
en clase que le permita el análisis de los temas. requerimientos.
3. Solución de problemas que incorporen los conceptos 5. Reporte de prácticas.
aprendidos de computo paralelo. 6. Evaluación escrita.
4. Elaboración de programas de cómputo según los
requerimientos.
5. Realización de prácticas.

RELACIÓN DE PRÁCTICAS

PRÁCTICA UNIDADES LUGAR DE

NOMBRE DE LA PRÁCTICA
No. TEMÁTICAS REALIZACIÓN
1 Plataformas y herramientas para el cómputo paralelo I

2 Análisis y diseño de programas paralelos II

3 Análisis de rendimiento de programas paralelos II

Laboratorio de
cómputo
4 Programas de cómputo paralelo usando memoria compartida III

5 Programas de cómputo paralelo usando memoria distribuida IV

6 Programas de cómputo usando aceleradores paralelos I V

TOTAL DE
27.0
HORAS:
 INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

UNIDAD DE APRENDIZAJE: Cómputo paralelo HOJA 8 DE 9

Bibliografía
Documento

Antología
Tipo Autor(es) Año Título del documento Editorial

Otros
Libro
Cambridge university
B Czech, J. 2016 Introduction to parallel computing. X
press / 9781107174399
Designing and Building parallel
Addison Wesley /
C *Foster, I. 1995 programs – Concepts and tools for X
9780201575941
parallel software Engineering.
John Wiley & Sons /
C Gebali, F. 2011 Algorithms and Parallel Computing. X
9780470902103
Grama, A., Kumar, V.,
Introduction to Parallel Computing, Addison-Wesley /
B Gupta, A. & Karypis, 2003 X
Second edition. 0201648652
G.
Parallel computing Architectures and CRC press /
B Kale, V. 2020 X
APIs – Iot Big Data Stream Processin. 9781138553910
Programming Massively Parallel Morgan Kaufmann /
C Kirk, B.& Wen-mei, H. 2017 X
Processors: A Hands-on Approach. 0128119861
Principles of Parallel Programming,
Morgan Kaufmann /
B Kirk, B. & HWu, W. 2017 Programming Massively Parallel X
9780128119860
Processors: A Hands-on Approach.
Designing Data-Intensive O’Reilly Media, Inc /
C Kleppmann, M. 2017 X
Applications. 9781449373320
Parallel computing for data science Taylor & Francis Group
C Matloff, N. 2016 X
with examples in R, C++ and CUDA. / 9781466587038
Morgan Kaufmann /
B Pacheco, P. 2011 An Introduction to Parallel Computing. X
9780123742605
Rauber, T. & Güdula, Parallel Programming for Multicore Springer Heidelberg /
C 2013 X
R. and Cluster Systems. 9783642378003
Recursos digitales
Presentación
Diccionario
Simulador

Tutorial

Autor, año, título y Dirección Electrónica

Imagen

Video
Texto

Otro

Blaise, B., Lawrence Livermore National Laboratory. (2020). Introduction to Parallel

X
Computing. https://computing.llnl.gov/tutorials/parallel_comp/
Nvidia. (2020). CUDA Code Samples. https://developer.nvidia.com/cuda-code-samples X

Nvidia. (2020). CUDA Toolkit. https://developer.nvidia.com/cuda-toolkit X

Roman Trobec, Bostjan Slivnik, Patricio Bulic, Borut Robic. (2018). Introduction to Parallel
Computing: From Algorithms to Programming on State-of-the-Art Platforms. http://www- X
e6.ijs.si/~roman/files/Book_jul2018/book/book.pdf
 INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

UNIDAD DE APRENDIZAJE: Cómputo paralelo HOJA 9 DE 9

PERFIL DOCENTE: Ingeniero en Sistemas Computacionales, Licenciatura en Computación o áreas afines,

con grado de maestría.

EXPERIENCIA HABILIDADES
CONOCIMIENTOS ACTITUDES
PROFESIONAL DIDÁCTICAS
Preferentemente dos años En arquitecturas paralelas. Discursivas Compromiso social e
en el área profesional. En programación paralela. Investigativas Institucional
Mínima de dos años de En Inteligencia artificial. Metodológicas Congruencia
docencia a Nivel Superior. En el Modelo Educativo Conducción del grupo Empatía
Institucional (MEI) Planificación de la Honestidad
enseñanza Respeto
Manejo de estrategias Responsabilidad
didácticas centradas en el Tolerancia
aprendizaje Disponibilidad al cambio
Evaluativas Vocación de servicio
Manejo de las TIC Liderazgo

ELABORÓ REVISÓ AUTORIZÓ

___________________________
____________________________ Ing. Carlos Alberto Paredes
Dra. Abril Valeria Uriarte Arcia Treviño
Coordinador Director Interino de la UPIIC

___________________________ ___________________________
____________________________ M. en C. Iván Giovanni Mosso M. en C. Andrés Ortigoza Campos
Edgar Armando Catalán Salgado García Director ESCOM
Participante Subdirector Académico
ESCOM

__________________________ ___________________________
Ing. Enrique Lima Morales Dr. Edgar Alfredo Portilla Flores
Subdirector Académico UPIIT Director de la UPIIT