Prof. Dr. Heiner Giefers

Sommersemester 2022

• Virtualisierung (VAI-B8)
• Machine Learning(VAI-M2)
• Compilerbau (VAI-M2)
• Cloud Computing (VAI-M4)
• Machine Learning(VAKI-M2)
• Machine Learning(I-B, Wahlpflicht)

Wintersemester 2021/22

• Programmierung mit C++ 1 (I-B1)
• Rechnerarchitektur (I-B1)
• Virtualisierung (I-B5)
• Programmierung für KI (VAKI-M1)
• Workshop "Programmierung" (I-B1)
  

Sommersemester 2021

• Skriptsprachen (VAI-B6)
• Virtualisierung (VAI-B8)
• Machine Learning(VAI-M2)
• Compilerbau und formale Sprachen (VAI-M2)
• Cloud Computing (VAI-M4)
• Machine Learning(I-B, Wahlpflicht)

Wintersemester 2020/21

• Programmierung mit C++ 1 (I-B1)
• Rechnerarchitektur (I-B1)
• Virtualisierung (I-B5)

Sommersemester 2020

• Skriptsprachen (VAI-B6)
• Virtualisierung (VAI-B8)
• Spezielle Algorithmen (VAI-M2)
• Compilerbau und formale Sprachen (VAI-M2)
• Cloud Computing (VAI-M4)

Wintersemester 2019/20

• Programmierung mit C++ 1 (I-B1)
• Rechnerarchitektur (I-B1)
• Vorkurs "Programmierung" (I-B1)

Sommersemester 2019

• Skriptsprachen (VAI-B6)
• Virtualisierung (I-B4 und VAI-B8)
• Spezielle Algorithmen (VAI-M2)
• Compilerbau und formale Sprachen (VAI-M2)

Wintersemester 2018/19

• Programmierung mit C++ 1 (I-B1)
• Virtualisierung (I-B5)

Sommersemester 2018

• Skriptsprachen (VAI-B6)

[31] Manuel Le Gallo, Abu Sebastian,Giovanni Cherubini, Heiner Giefers, Evangelos Eleftheriou. Compressed Sensing With Approximate Message Passing Using In-Memory Computing. IEEE Transactions on Electron Devices 65 (10), 2018

[30] Manuel Le Gallo, Abu Sebastian, Roland Mathis, Matteo Manica, Heiner Giefers, Tomas Tuma, Costas Bekas, Alessandro Curioni, Evangelos Eleftheriou. Mixed-precision in-memory computing. Nature Electronics 1 (4), 2018

[29] Heiner Giefers, Dionysios Diamantopoul. Extending the POWER Architecture with Transprecision Co-Processors. Int. Symp. on Circuits and Systems (ISCAS), 2018

[28] Dionysios Diamantopoulos, Heiner Giefers, Christoph Hagleitner. ecTALK: Energy efficient coherent transprecision accelerators – The bidirectional long short-term memory neural network case. IEEE Symp. in Low-Power and High-Speed Chips (COOL CHIPS), 2018

[27] Raphael Polig, Kubilay Atasu, Heiner Giefers, Christoph Hagleitner, Laura Chiticariu, Frederick Reiss, Huaiyu Zhu, Peter Hofstee. A Hardware Compilation Framework for Text Analytics Queries. Journal of Parallel and Distributed Computing, 111: 260-272, Elsevier, 2018

[26] Manuel Le Gallo, Abu Sebastian, Giovanni Cherubini, Heiner Giefers, Evangelos Eleftheriou. Compressed Sensing Recovery using Computational Memory. IEEE Int. Electron Devices Meeting (IEDM), 2017

[25] Heiner Giefers, Peter Staar, Raphael Polig. Energy-Efficient Stochastic Matrix Function Estimator for Graph Analytics on FPGA. Field Programmable Logic and Applications (FPL), 2016 (Best Paper Award Nominierung)

[24] Peter W. J. Staar, Panagiotis Kl. Barkoutsos, Roxana Istrate, A. Cristiano I. Malossi, Ivano Tavernelli, Nikolaj Moll, Heiner Giefers, Christoph Hagleitner, Costas Bekas, Alessandro Curioni. Stochastic Matrix-Function Estimators: Scalable Big-Data Kernels with High Performance. Parallel and Distributed Processing Symposium (IPDPS), 2016 (Best Paper Award)

[23] Heiner Giefers, Peter Staar, Costas Bekas, Christoph Hagleitner. Analyzing the Energy-Efficiency of Sparse Matrix Multiplication on Heterogeneous Systems: A Comparative Study of GPU, Xeon Phi and FPGA. Int. Symp. on Performance Analysis of Systems and Software (ISPASS), 2016

[22] G. Georgakoudis, C. Gillan, A. Hassan, U. Minhas, G. Tzenakis, I. Spence, H. Vandierendonck, R. Woods, D.S. Nikolopoulos, M. Shyamsundar, P. Barber, M. Russell, A. Bilas, S. Kaloutsakis, H. Giefers, P. Staar, C. Bekas, N. Horlock, R. Faloon, C. Pattison. NanoStreams: Codesigned Microservers for Edge Analytics in Real Time. Int. Conf. on Embedded Computer Systems: Architectures, Modeling and Simulation (SAMOS), 2016

[21] Christoph M. Angerer, Raphael Polig, Djordje Zegarac, Heiner Giefers, Christoph Hagleitner, Costas Bekas, Alessandro Curioni. Fast, Hybrid, Power-Efficient High-Precision Solver for Large Linear Systems based on Low-Precision Hardware. Sustainable Computing: Informatics and Systems, Elsevier, 2015

[20] Heiner Giefers. Enabling Energy-Efficient Exascale Computing: Acceleration of HPC Kernels with Reconfigurable Hardware. Platform for Advanced Scientific Computing Conference (PASC), 2015

[19] Heiner Giefers, Raphael Polig, Christoph Hagleitner. Measuring and Modeling the Power Consumption of Energy-Efficient FPGA Coprocessors for GEMM and FFT. Journal of Signal Processing Systems}, Springer, 2015

[18] Raphael Polig, Heiner Giefers, Walter Stechele. A soft-core processor array for relational operators. Proc IEEE Int. Conf. on Application-specific Systems, Architectures and Processors (ASAP), 2015

[17] Heiner Giefers, Raphael Polig, Christoph Hagleitner. Accelerating Arithmetic Kernels with Coherent Attached FPGA Coprocessors. Proc. Design, Automation, and Test in Europe Conference and Exhibition (DATE), 2015

[16] Raphael Polig, Kubilay Atasu, Heiner Giefers, Laura Chiticariu. Compiling text analytics queries to FPGAs. Int. Conf. on Field Programmable Logic and Applications (FPL'14), 2014

[15] Jan van Lunteren, Heiner Giefers, Christoph Hagleitner, Rik Jongerius. Memory-Driven Near-Data Acceleration. HPC User Forum, 2014

[14] An FPGA-based Reconfigurable Mesh Many-Core. IEEE Transactions on Computers, 63(12): 2919-2932, 2014

[13] Heiner Giefers, Christian Plessl, Jens Förstner. Accelerating Finite Difference Time Domain Simulations with Reconfigurable Dataflow Computers. ACM SIGARCH Computer Architecture News, 41(5): 65-70, Jun. 2014

[12] Heiner Giefers, Raphael Polig, Christoph Hagleitner. Analyzing the energy-efficiency of dense linear algebra kernels by power-profiling a hybrid CPU/FPGA system. Proc IEEE Int. Conf. on Application-specific Systems, Architectures and Processors (ASAP), 2014 (Best Paper Award Nominierung)

[11] Heiner Giefers, Christian Plessl, Jens Förstner. Accelerating Finite Difference Time Domain Simulations with Reconfigurable Dataflow Computers. Proc. Int. Workshop on Highly Efficient Accelerators and Reconfigurable Technologies (HEART), 2013

[10] Heiner Giefers. Design and Programming of Reconfigurable Mesh based Many-Cores. Dissertation, Logos Verlag, Berlin, 2012

[9] Heiner Giefers, Marco Platzner. A Triple Hybrid Interconnect for Many-Cores: Reconfigurable Mesh, NoC and Barrier. Int. Conf. on Field Programmable Logic and Applications (FPL), 2010 (Best Paper Award Nominierung)

[8] Heiner Giefers, Marco Platzner. A Self-Reconfigurable Lightweight Interconnect for Scalable Processor Fabrics. Int. Conf. on Engineering of Reconfigurable Systems and Algorithms (ERSA), 2010

[7] Heiner Giefers, Marco Platzner. Program-Driven Fine-Grained Power Management for the Reconfigurable Mesh. Int. Conf. on Field Programmable Logic and Applications (FPL), 2009

[6] Heiner Giefers, Marco Platzner. Towards Models for Many-Cores: The Case for the Reconfigurable Mesh. Int. Conf. on Architecture of Computing Systems (ARCS), 2009

[5] Heiner Giefers, Marco Platzner. ARMLang: A Language and Compiler for Programming Reconfigurable Mesh Many-Cores. Reconfigurable Architectures Workshop (RAW), 2009

[4] Heiner Giefers. Reconfigurable Many-Cores with Lean Interconnect. Int. Conf. on Field Programmable Logic and Applications (FPL), 2008

[3] Heiner Giefers, Marco Platzner. Realizing Reconfigurable Mesh Algorithms on Softcore Arrays. Int. Symp. on Embedded Computer Systems: Architectures, Modeling and Simulation (SAMOS), 2008

[2] Heiner Giefers, Marco Platzner. A Many-Core Implementation Based on the Reconfigurable Mesh Model. Int. Conf. on Field Programmable Logic and Applications (FPL), 2007

[1] Heiner Giefers, Achim Rettberg. Energy Aware Multiple Clock Domain Scheduling for a Bit-serial, Self-timed Architecture. Symp. on Integrated Circuits and Systems Design (SBCCI), 2006

Patente

[9] Dionysios Diamantopoulos, Heiner Giefers, Christoph Hagleitner. ARTIFICIAL NEURAL NETWORK IMPLEMENTATION IN FIELD-PROGRAMMABLE GATE ARRAYS. US Patent Application US 2020/0257986 A1, 2020

[8] Heiner Giefers, Raphael Polig, Jan van Lunteren. BIT-SERIAL LINEAR ALGEBRA PROCESSOR. US Patent US20190377707A1, 2019

[7] Costas Bekas, Alessandro Curioni, Heiner Giefers, Christoph Hagleitner, Raphael C. Polig, Peter W. J. Staar. SPARSE MATRIX MULTIPLICATION USING A SINGLE FIELD PROGRAMMABLE GATE ARRAY MODULE. US Patent US9558156B1, 2017

[6] Christoph M Angerer, Konstantinos Bekas, Alessandro Curioni, Heiner Giefers, Christoph Hagleitner, Yves G. Ineichen, Raphael C Polig. LINEAR FE SYSTEM SOLVER WITH DYNAMIC MULTI-GRID PRECISION, US Patent US20170024356A1, 2017

[5] Heiner Giefers, Raphael Polig , Jan Van Lunteren. INDEX BASED MEMORY ACCESS. US Patent US20180074962A1, 2016

[4] Heiner Giefers, Raphael Polig. INTERPOSER FOR DYNAMIC MAPPING OF API CALLS. US Patent US9703573B1, 2016

[3] Christoph M Angerer, Heiner Giefers, Raphael Polig. DIFFERENTIAL DATA ACCESS. US Patent 20160170652A1, 2016

[2] Jan Van Lunteren, Heiner Giefers. MEMORY AND PROCESSOR HIERARCHY TO IMPROVE POWER EFFICIENCY. US Patent 20160077577, 2016

[1] Christoph M Angerer, Konstantinos Bekas, Alessandro Curioni, Silvio Dragone, Heiner Giefers, Christoph Hagleitner, Raphael C Polig. ITERATIVE REFINEMENT APPARATUS US Patent 20150234783, 2015

Auf dieser Seite finden Sie einige Themenvorschläge für Bachelor- und Masterarbeiten. Wenn Sie sich für ein Thema interessieren oder einen eigenen Themenvorschlag haben, melden Sie sich bitte per E-Mail bei mir.

Bitte beachten Sie auch meinen Leitfaden zum Verfassen von schriftlichen Ausarbeitungen und das LaTeX Template für Abschlussarbeiten .

Beispiele für Abschlussarbeiten

• Automatisierten Bildelementerkennung & Analyse von Bildkompositionen mit Unterstützung von Machine Learning
• Aufbau eines Kubernetes Clusters auf Raspberry-Pi-Basis
• Serverless Machine Learning

Digitale Lehrbriefe mit Jupyter Notebooks

Digitale Lehrbriefe mit Jupyter Notebooks ist ein Gemeinschaftsprojekt mit Prof. Dr. Christian Plessl von der Universität Paderborn, das im Rahmen eines Tandem-Fellowship für für Innovationen in der Hochschullehre von Stifterverband und dem MKW NRW gefördert wird. Das Projekt zielt darauf ab, Studierende dabei zu unterstützen, niederschwellig und praxisorientiert Kompetenzen im Programmieren und in den datengetriebenen Wissenschaften zu entwickeln. Dazu erstellen wir interaktive Lernmaterialien auf Basis von Jupyter Notebooks, welche Lehrinhalte, Programmcode und daraus erzeugte Resultate in einem Dokument integrieren. Durch eine automatische Auslagerung der Berechnungen auf Hochleistungsrechner sind auch sehr komplexe, anwendungsrelevante Fallstudien möglich. Die erstellten Materialien und Werkzeuge werden in unseren Lehrveranstaltungen eingesetzt und evaluiert. Die notwendige IT-Infrastruktur wird im Projekt als Referenzplattform entwickelt, erprobt und veröffentlicht werden, um perspektivisch weit über den Kontext des Projektes Anwendung zu finden.

Näheres zum Projekt finden Sie auf den Webseiten des Stifterverbands.