​ACERCA DEL CURSO

​El curso está diseñado para introducir a investigadores y profesionales en el uso de infraestructura de alto desempeño sin necesidad de contar con servidores propios. A lo largo del programa se abordan los fundamentos de la computación paralela, el uso de clústeres en la nube, la gestión eficiente de recursos y la ejecución de cálculos científicos intensivos en entornos escalables. Se trabajan aplicaciones prácticas orientadas a simulaciones, modelado molecular, análisis de datos masivos, bioinformática y machine learning científico. El curso permite comprender cómo configurar, optimizar y automatizar flujos de trabajo en plataformas cloud, maximizando rendimiento y control de costos. Está dirigido a estudiantes de posgrado, investigadores y profesionales que requieren ejecutar procesos computacionales complejos, desarrollando habilidades para escalar proyectos científicos con infraestructura flexible, reproducible y de nivel internacional.

​

Módulo 1 · Fundamentos de HPC (Semana 1)

Introducción a los conceptos esenciales de computación de alto rendimiento. Se analizarán las diferencias entre una PC convencional y un supercomputador, arquitectura basada en nodos y cores, uso de CPU y GPU, así como métricas clave como latencia, ancho de banda y throughput.

Módulo 2 · Ecosistema Yeesuan y Gestión de Datos (Semana 1)

Exploración del entorno de trabajo en la nube mediante el portal SymPIC, revisión del catálogo SaaS disponible, transferencia segura de archivos y buenas prácticas para organización de proyectos y datos científicos.

Módulo 3 · Almacenamiento y Economía del Cómputo (Semana 2)

Gestión eficiente del almacenamiento compartido, comprensión de cuotas asignadas, estimación adecuada de walltime y estrategias para optimizar el uso de recursos y costos en entornos HPC.

Módulo 4 · Fundamentos de Ejecución Paralela (Semanas 2–3)

Introducción práctica a modelos de paralelización como MPI y OpenMP. Se estudiará cómo se distribuye el trabajo en múltiples núcleos o nodos y cómo interpretar y ajustar los parámetros de recursos para maximizar desempeño.

Módulo 5 · Gestión de Trabajos (Semana 3)

Uso de planificadores de tareas, comprensión de colas de ejecución, creación de scripts de envío de trabajos y uso de interfaces gráficas. Se enseñará monitoreo y optimización de recursos para evitar desperdicio computacional.

Módulo 6 · Aplicaciones Científicas Reales (Semana 4)

Aplicación práctica en software especializado según el perfil del participante, incluyendo herramientas como LAMMPS, GROMACS, PyTorch o WRF. Este módulo permite integrar los conocimientos adquiridos en escenarios reales de simulación científica y modelado avanzado.

1. Casos prácticos con LAMMPS, GROMACS, PyTorch o WRF según disciplina del participante

​

Quieres descargar el programa en PDF