Obiettivo: Analizzare le performance del codice ed utilizzare tecniche per l'accelerazione all'interno di MATLAB.

• Identificare i colli di bottiglia
• Preallocare gli array
• Vettorizzare le operazioni in vari modi
• Riscrivere gli algoritmi

Obiettivo: Generare codice compilato a partire da codice MATLAB per ottenere una miglior performance.

• Panoramica e workflow del MATLAB Coder
• Generare e verificare file MEX
• Richiamare funzioni non supportate
• Modificare i settaggi per la generazione dei file MEX

Obiettivo: Parallelizzare l'esecuzione del codice per sfruttare core multipli.

• Aprire altri processi MATLAB
• Eseguire cicli FOR paralleli
• Misurare l'accelerazione
• Processare file multipli in parallelo

Obiettivo: Esplorare cicli FOR paralleli in maggior dettaglio ed applicare tecniche per convertire cicli FOR in cicli PARFOR.

• Requisiti dei cicli FOR paralleli
• Parallelizzare i cicli FOR
• Recuperare i risultati intermedi

Obiettivo: Calcolo offload su un altro processo MATLAB al fine di usare MATLAB per altri task nel frattempo. Questo è anche un passo di preparazione per lavorare con cluster.

• Elaborazione in batch
• Creare job in modalità batch
• Recuperare i risultati
• Usare il Job Monitor

Obiettivo: Accelerare il calcolo e realizzare simulazioni più estese utilizzando computer multipli.

• Cluster locali e remoti
• Rilascio di licenze dinamiche
• Scoprire e connettere cluster
• Considerazioni sull'accesso a file

Obiettivo: Esecuzione di codice MATLAB sulla scheda grafica del tuo computer (GPU) come un'altra opzione per velocizzare i calcoli.

• Panoramica su architettura ed elaborazione GPU
• Applicazioni adatte per l'elaborazione su GPU
• Invocare funzioni MATLAB su GPU
• Usare codice CUDA pre-esistente