Martin Stypinski ist Gründer der Veemg GmbH in Zürich, einem Software-Engineering- und Beratungsunternehmen, und stellvertretender Studiendekan für den Nachdiplomstudiengang "Maschinelles Lernen für Softwareingenieure" an der Ostschweizer Fachhochschule in Rapperswil. In den letzten fünfzehn Jahren arbeitete er in verschiedenen Ingenieurspositionen in der Softwareindustrie und der angewandten Forschung. Seine Leidenschaft gilt dem maschinellen Lernen und Software-Herausforderungen "beyond CRUD".

LOCATION: Zürich
KEYWORDS: Language, Performance, Research, Technology

SPEAKER: Martin Stypinski   COMPANY: Veemg
SLIDES: 240306_JUG_VectorAPI.pdf

Mit dem Java Vector API bekommen wir die Möglichkeit, plattformspezifische SIMD-Register in Java zu nutzen. Die Vorteile liegen auf der Hand – schnellerer Code, hohe Plattformunabhängigkeit. Doch können die Erwartungen erfüllt werden?

In dieser Session wird anhand von ausgewählten Beispielen die Interaktion zwischen dem Java Vector API und modernen SIMD-fähigen (Single Instruction, Multiple Data) Prozessoren betrachtet. Durch die Diversifizierung der Plattformen, wie Intel und AMD x86, M1, ARM wird es zunehmend schwierig, den Code für die jeweilige Plattform zu optimieren. Das wird zu grossen Teilen von der JVM übernommen, jedoch kann Vektorparallelität bis heute nur bedingt genutzt werden. Durch das neu zur Verfügung gestellte API soll sich das nun ändern. Ziel dieser Session ist es, Stärken und Schwächen aufzuzeigen, um zu entscheiden, ob für den jeweiligen Use Case eine Vector-API-Implementation den gewünschten Erfolg auf der jeweiligen Plattform bringt.

LEVEL OF TALK: Intermediate
LANGUAGE: Talk: de / Slides: en

Martin Stypinski ist Gründer der Veemg GmbH in Zürich, einem Software-Engineering- und Beratungsunternehmen, und stellvertretender Studiendekan für den Nachdiplomstudiengang "Maschinelles Lernen für Softwareingenieure" an der Ostschweizer Fachhochschule in Rapperswil. In den letzten fünfzehn Jahren arbeitete er in verschiedenen Ingenieurspositionen in der Softwareindustrie und der angewandten Forschung. Seine Leidenschaft gilt dem maschinellen Lernen und Software-Herausforderungen "beyond CRUD".

---