Cursos de GPU en Barranquilla

Huawei Ascend es una familia de procesadores de IA diseñados para inferencia y entrenamiento de alto rendimiento.

Esta capacitación presencial o en línea, impartida por un instructor, está dirigida a ingenieros de IA y científicos de datos de nivel intermedio que deseen desarrollar y optimizar modelos de redes neuronales utilizando la plataforma Ascend de Huawei y el kit de herramientas CANN.

Al finalizar esta capacitación, los participantes estarán en capacidad de:

• Configurar y establecer el entorno de desarrollo de CANN.
• Desarrollar aplicaciones de IA utilizando los flujos de trabajo de MindSpore y CloudMatrix.
• Optimizar el rendimiento en las NPUs de Ascend mediante operadores personalizados y técnicas de tiling.
• Desplegar modelos en entornos de borde o en la nube.

Formato del curso

• Sesiones interactivas de clase y discusión.
• Uso práctico de Huawei Ascend y del kit de herramientas CANN en aplicaciones de ejemplo.
• Ejercicios guiados centrados en la construcción, entrenamiento y despliegue de modelos.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso basada en su infraestructura o conjuntos de datos, por favor contáctenos para coordinar los detalles.

La pila de IA de Huawei —desde el SDK de bajo nivel CANN hasta el framework de alto nivel MindSpore— ofrece un entorno de desarrollo e implementación de IA estrechamente integrado, optimizado para el hardware Ascend.

Esta capacitación en vivo, impartida por un instructor (en línea o en sitio), está dirigida a profesionales técnicos de nivel principiante a intermedio que deseen comprender cómo los componentes de CANN y MindSpore trabajan en conjunto para apoyar la gestión del ciclo de vida de la IA y las decisiones de infraestructura.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender la arquitectura por capas de la pila de computación en IA de Huawei.
• Identificar cómo CANN respalda la optimización de modelos y la implementación a nivel de hardware.
• Evaluar el framework y la cadena de herramientas de MindSpore en relación con alternativas del sector.
• Posicionar la pila de IA de Huawei en entornos empresariales o en la nube/on-premises.

Formato del curso

• Sesiones interactivas de exposición y discusión.
• Demostraciones en vivo del sistema y recorridos basados en casos prácticos.
• Laboratorios guiados opcionales sobre el flujo de modelos desde MindSpore hasta CANN.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinar los detalles.

Esta capacitación presencial, impartida por un instructor en Barranquilla (en línea o in situ), está dirigida a desarrolladores de nivel principiante a intermedio que desean utilizar OpenACC para programar dispositivos heterogéneos y aprovechar su paralelismo.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar un entorno de desarrollo con OpenACC.
• Escribir y ejecutar un programa básico de OpenACC.
• Anotar código con directivas y cláusulas de OpenACC.
• Utilizar la API y las bibliotecas de OpenACC.
• Perfilar, depurar y optimizar programas de OpenACC.

El SDK CANN (Arquitectura de Computación para Redes Neuronales) ofrece potentes herramientas de implementación y optimización para aplicaciones de IA en tiempo real en los campos de la visión artificial y el procesamiento del lenguaje natural (PNL), especialmente en hardware Ascend de Huawei.

Esta capacitación en vivo, impartida por instructores (en línea o en sitio), está dirigida a profesionales de IA de nivel intermedio que deseen construir, implementar y optimizar modelos de visión y lenguaje utilizando el SDK CANN para casos de uso en entornos productivos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Implementar y optimizar modelos de visión artificial y PNL mediante CANN y AscendCL.
• Utilizar las herramientas de CANN para convertir modelos e integrarlos en pipelines en vivo.
• Optimizar el rendimiento de inferencia para tareas como detección, clasificación y análisis de sentimientos.
• Desarrollar pipelines en tiempo real de visión artificial y PNL para escenarios de implementación en el borde o en la nube.

Formato del Curso

• Clase magistral interactiva y demostraciones.
• Prácticas de laboratorio con implementación de modelos y perfilado de rendimiento.
• Diseño de pipelines en vivo utilizando casos reales de visión artificial y PNL.

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinar los detalles.

Esta capacitación en vivo, impartida por un instructor en Barranquilla (en línea o en sitio), está dirigida a desarrolladores de nivel principiante a intermedio que deseen aprender los fundamentos de la programación GPU, así como los principales marcos de trabajo y herramientas para desarrollar aplicaciones con GPU.

• Al finalizar esta capacitación, los participantes podrán:
  Comprender la diferencia entre la computación en CPU y GPU, así como los beneficios y desafíos de la programación GPU.
• Seleccionar el marco de trabajo y la herramienta adecuados para su aplicación GPU.
• Crear un programa básico en GPU que realice sumas de vectores utilizando uno o más de los marcos de trabajo o herramientas disponibles.
• Utilizar las API, lenguajes y bibliotecas correspondientes para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el anfitrión y el dispositivo, lanzar núcleos (kernels) y sincronizar hilos.
• Aprovechar los espacios de memoria correspondientes, como global, local, constante y privada, para optimizar las transferencias de datos y los accesos a memoria.
• Utilizar los modelos de ejecución correspondientes, como work-items, work-groups, hilos, bloques y cuadrículas (grids), para controlar el paralelismo.
• Depurar y probar programas GPU utilizando herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar programas GPU mediante técnicas como coalescencia, caché, prefetching y perfiles de rendimiento.

CANN TIK (Tensor Instruction Kernel) y Apache TVM permiten la optimización avanzada y la personalización de operadores de modelos de IA para hardware Huawei Ascend.

Esta formación presencial, impartida por instructores (en línea o in situ), está dirigida a desarrolladores de sistemas de nivel avanzado que deseen crear, desplegar y ajustar operadores personalizados para modelos de IA utilizando el modelo de programación TIK de CANN y la integración con el compilador TVM.

Al finalizar esta formación, los participantes podrán:

• Escribir y probar operadores personalizados de IA utilizando el DSL de TIK para procesadores Ascend.
• Integrar operaciones personalizadas en el entorno de ejecución y el gráfico de ejecución de CANN.
• Utilizar TVM para la planificación de operadores, el ajuste automático y las pruebas de referencia.
• Depurar y optimizar el rendimiento a nivel de instrucción para patrones de cálculo personalizados.

Formato del curso

• Clase interactiva y demostración.
• Codificación práctica de operadores utilizando flujos de trabajo de TIK y TVM.
• Pruebas y ajuste en hardware Ascend o simuladores.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinar la organización.

Este entrenamiento en vivo, impartido por un instructor en Barranquilla (en línea o en sitio), está dirigido a desarrolladores de nivel principiante a intermedio que deseen utilizar diferentes marcos de trabajo para la programación de GPU y comparar sus funcionalidades, rendimiento y compatibilidad.

Al finalizar este entrenamiento, los participantes estarán en capacidad de:

• Configurar un entorno de desarrollo que incluya OpenCL SDK, CUDA Toolkit, la plataforma ROCm, un dispositivo compatible con OpenCL, CUDA o ROCm, y Visual Studio Code.
• Crear un programa básico de GPU que realice una suma de vectores utilizando OpenCL, CUDA y ROCm, y comparar la sintaxis, estructura y ejecución de cada marco de trabajo.
• Utilizar las respectivas APIs para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el host y el dispositivo, lanzar kernels y sincronizar hilos.
• Emplear los lenguajes correspondientes para escribir kernels que se ejecuten en el dispositivo y manipulen los datos.
• Aprovechar las funciones, variables y bibliotecas integradas para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria correspondientes, como global, local, constante y privada, para optimizar las transferencias de datos y los accesos a memoria.
• Aplicar los modelos de ejecución respectivos para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas de GPU utilizando herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar programas de GPU mediante técnicas como coalescencia, almacenamiento en caché, prebúsqueda y perfiles de rendimiento.

CloudMatrix es la plataforma unificada de desarrollo e implementación de IA de Huawei, diseñada para soportar pipelines de inferencia escalables y aptos para entornos de producción.

Esta capacitación presencial o en línea, impartida por un instructor, está dirigida a profesionales de IA con niveles principiantes a intermedios que deseen implementar y monitorear modelos de IA utilizando la plataforma CloudMatrix, con integración de CANN y MindSpore.

Al finalizar esta capacitación, los participantes podrán:

• Utilizar CloudMatrix para el empaquetado, implementación y servicio de modelos.
• Convertir y optimizar modelos para chips de la serie Ascend.
• Configurar pipelines para tareas de inferencia en tiempo real y por lotes.
• Monitorear implementaciones y ajustar el rendimiento en entornos productivos.

Formato del curso

• Charla interactiva y discusión.
• Uso práctico de CloudMatrix con escenarios reales de implementación.
• Ejercicios guiados enfocados en conversión, optimización y escalado.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso basada en su infraestructura de IA o entorno en la nube, contáctenos para coordinarlo.

El kit de herramientas Ascend CANN de Huawei habilita inferencia de IA potente en dispositivos de borde como el Ascend 310. CANN ofrece herramientas esenciales para compilar, optimizar y desplegar modelos en entornos con restricciones de procesamiento y memoria.

Esta formación impartida por un instructor, en vivo (en línea o en sitio), está dirigida a desarrolladores e integradores de IA de nivel intermedio que deseen desplegar y optimizar modelos en dispositivos de borde de Ascend utilizando la cadena de herramientas CANN.

Al finalizar esta formación, los participantes podrán:

• Preparar y convertir modelos de IA para el Ascend 310 usando las herramientas de CANN.
• Construir pipelines de inferencia ligeros utilizando MindSpore Lite y AscendCL.
• Optimizar el rendimiento de los modelos para entornos con recursos limitados de procesamiento y memoria.
• Desplegar y monitorear aplicaciones de IA en casos de uso reales en el borde.

Formato del curso

• Clases magistrales interactivas y demostraciones en vivo.
• Prácticas de laboratorio con modelos y escenarios específicos para el borde.
• Ejemplos de despliegue en vivo en hardware de borde virtual o físico.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinar los detalles.

Esta formación, impartida por un instructor en tiempo real en Barranquilla (en línea o en sitio), está dirigida a desarrolladores de nivel principiante a intermedio que deseen instalar y usar ROCm en Windows para programar GPUs de AMD y explotar su paralelismo.

Al finalizar esta formación, los participantes estarán en capacidad de:

• Configurar un entorno de desarrollo que incluya la plataforma ROCm, una GPU de AMD y Visual Studio Code en Windows.
• Crear un programa básico de ROCm que realice la suma de vectores en la GPU y recupere los resultados desde la memoria de la GPU.
• Utilizar la API de ROCm para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el host y el dispositivo, lanzar kernels y sincronizar hilos.
• Emplear el lenguaje HIP para escribir kernels que se ejecuten en la GPU y manipulen datos.
• Aprovechar las funciones, variables y bibliotecas integradas de HIP para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria de ROCm e HIP, como global, compartida, constante y local, para optimizar las transferencias de datos y los accesos a memoria.
• Aplicar los modelos de ejecución de ROCm e HIP para controlar los hilos, bloques y rejillas que definen el paralelismo.
• Depurar y probar programas de ROCm e HIP utilizando herramientas como el Depurador de ROCm y el Perfilador de ROCm.
• Optimizar programas de ROCm e HIP mediante técnicas como la coalescencia, el almacenamiento en caché, la prefetching y el perfilado.

Esta capacitación impartida por un instructor, en vivo en <español colombiano> (en línea o en sitio), está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar ROCm y HIP para programar GPU de AMD y aprovechar su paralelismo.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya la plataforma ROCm, una GPU de AMD y Visual Studio Code.
• Crear un programa básico en ROCm que realice la suma de vectores en la GPU y recupere los resultados desde la memoria de la GPU.
• Utilizar la API de ROCm para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el host y el dispositivo, lanzar kernels y sincronizar hilos.
• Usar el lenguaje HIP para escribir kernels que se ejecuten en la GPU y manipulen datos.
• Aprovechar las funciones, variables y bibliotecas integradas de HIP para realizar tareas y operaciones comunes.
• Emplear los espacios de memoria de ROCm e HIP, como global, compartida, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
• Aplicar los modelos de ejecución de ROCm e HIP para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas de ROCm e HIP utilizando herramientas como el Depurador de ROCm y el Perfilador de ROCm.
• Optimizar programas de ROCm e HIP mediante técnicas como la coalescencia, el almacenamiento en caché, la prefetching y el perfilado.

CANN (Compute Architecture for Neural Networks) es el kit de herramientas de computación en inteligencia artificial de Huawei, utilizado para compilar, optimizar y desplegar modelos de IA en procesadores Ascend de IA.

Esta capacitación impartida por un instructor, en vivo (en línea o presencial), está dirigida a desarrolladores de IA de nivel principiante que desean comprender cómo se integra CANN en el ciclo de vida de los modelos, desde el entrenamiento hasta el despliegue, y cómo interactúa con frameworks como MindSpore, TensorFlow y PyTorch.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender el propósito y la arquitectura del kit de herramientas CANN.
• Configurar un entorno de desarrollo con CANN y MindSpore.
• Convertir y desplegar un modelo básico de IA en hardware Ascend.
• Adquirir conocimientos fundamentales para futuros proyectos de optimización o integración con CANN.

Formato del curso

• Clases interactivas y discusiones.
• Laboratorios prácticos con despliegue de modelos simples.
• Recorrido paso a paso de la cadena de herramientas CANN y sus puntos de integración.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinar los detalles.

Ascend, Biren y Cambricon son plataformas líderes de hardware de IA en China, cada una con herramientas únicas de aceleración y análisis para cargas de trabajo de IA a escala productiva.

Esta capacitación presencial o en línea, dirigida por un instructor, está diseñada para ingenieros de infraestructura y de rendimiento de IA de nivel avanzado que deseen optimizar los flujos de trabajo de inferencia y entrenamiento de modelos en múltiples plataformas de chips chinos de IA.

Al finalizar esta capacitación, los participantes podrán:

• Ejecutar pruebas de referencia de modelos en las plataformas Ascend, Biren y Cambricon.
• Identificar cuellos de botella del sistema e ineficiencias en el uso de memoria y cómputo.
• Aplicar optimizaciones a nivel de gráfico, núcleo y operador.
• Ajustar las pipelines de despliegue para mejorar el rendimiento y reducir la latencia.

Formato del curso

• Clases interactivas y discusiones.
• Uso práctico de herramientas de análisis y optimización en cada plataforma.
• Ejercicios guiados enfocados en escenarios reales de ajuste.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada basada en su entorno de rendimiento o tipo de modelo, contáctenos para coordinar los detalles.

CANN SDK (Compute Architecture for Neural Networks) es la base de computación de IA de Huawei, que permite a los desarrolladores ajustar y optimizar el rendimiento de las redes neuronales desplegadas en los procesadores de IA Ascend.

Este entrenamiento presencial o en línea, impartido por un instructor, está dirigido a desarrolladores de IA y ingenieros de sistemas de nivel avanzado que deseen optimizar el rendimiento de inferencia utilizando el conjunto avanzado de herramientas de CANN, incluido Graph Engine, TIK y el desarrollo de operadores personalizados.

Al finalizar este entrenamiento, los participantes estarán en capacidad de:

• Comprender la arquitectura de ejecución en tiempo real de CANN y su ciclo de vida de rendimiento.
• Utilizar herramientas de análisis de rendimiento y Graph Engine para el análisis y la optimización del rendimiento.
• Crear y optimizar operadores personalizados mediante TIK y TVM.
• Resolver cuellos de botella de memoria y mejorar el rendimiento (throughput) del modelo.

Formato del curso

• Clase interactiva y discusión.
• Laboratorios prácticos con análisis de rendimiento en tiempo real y ajuste de operadores.
• Ejercicios de optimización utilizando ejemplos de despliegue en casos extremos.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinarlo.

Las arquitecturas de GPU chinas, como Huawei Ascend, Biren y las unidades de procesamiento neuronal (MLU) de Cambricon, ofrecen alternativas a CUDA diseñadas específicamente para los mercados locales de IA y computación de alto rendimiento (HPC).

Esta capacitación, impartida por un instructor y disponible en línea o in situ, está dirigida a programadores de GPU de nivel avanzado y especialistas en infraestructura que deseen migrar y optimizar aplicaciones CUDA existentes para su despliegue en plataformas de hardware chinas.

Al finalizar esta capacitación, los participantes podrán:

• Evaluar la compatibilidad de cargas de trabajo CUDA existentes con alternativas de chips chinos.
• Portar bases de código CUDA a los entornos Huawei CANN, Biren SDK y Cambricon BANGPy.
• Comparar el rendimiento e identificar puntos de optimización entre diferentes plataformas.
• Abordar desafíos prácticos en el soporte y despliegue multiarquitectura.

Formato del curso

• Clase interactiva con discusión.
• Laboratorios prácticos de traducción de código y comparación de rendimiento.
• Ejercicios guiados enfocados en estrategias de adaptación para múltiples GPU.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso basada en su plataforma o proyecto CUDA, contáctenos para coordinarlo.

Esta capacitación presencial, impartida por un instructor en Barranquilla (en línea o en sitio), está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar CUDA para programar GPU de NVIDIA y aprovechar su paralelismo.

Al finalizar esta capacitación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya el CUDA Toolkit, una GPU de NVIDIA y Visual Studio Code.
• Crear un programa básico en CUDA que realice la suma de vectores en la GPU y recupere los resultados de la memoria de la GPU.
• Utilizar la API de CUDA para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el host y el dispositivo, lanzar núcleos (kernels) y sincronizar hilos.
• Usar el lenguaje CUDA C/C++ para escribir núcleos que se ejecuten en la GPU y manipulen datos.
• Aprovechar las funciones, variables y bibliotecas integradas de CUDA para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria de CUDA, como global, compartida, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
• Aplicar el modelo de ejecución de CUDA para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas CUDA utilizando herramientas como CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar programas CUDA mediante técnicas como coalescencia, almacenamiento en caché, prefetching y perfiles de rendimiento.

97% de clientes satisfechos.

CANN (Compute Architecture for Neural Networks) es la pila de computación de IA de Huawei para desplegar y optimizar modelos de IA en procesadores de IA Ascend.

Esta capacitación presencial o en línea, impartida por un instructor, está dirigida a desarrolladores e ingenieros de IA de nivel intermedio que deseen desplegar de manera eficiente modelos de IA entrenados en hardware Huawei Ascend utilizando el kit de herramientas CANN y otras herramientas como MindSpore, TensorFlow o PyTorch.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender la arquitectura de CANN y su papel en el flujo de trabajo de despliegue de IA.
• Convertir y adaptar modelos desde frameworks populares a formatos compatibles con Ascend.
• Utilizar herramientas como ATC, conversión de modelos OM y MindSpore para inferencia en el borde y en la nube.
• Diagnosticar problemas de despliegue y optimizar el rendimiento en hardware Ascend.

Formato del curso

• Conferencia interactiva y demostraciones.
• Prácticas de laboratorio con herramientas CANN y simuladores o dispositivos Ascend.
• Escenarios de despliegue basados en modelos de IA del mundo real.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinarla.

Los aceleradores de IA de Biren son GPUs de alto rendimiento diseñadas para cargas de trabajo de inteligencia artificial y computación de alto rendimiento (HPC), con soporte para entrenamiento e inferencia a gran escala.

Esta formación impartida por un instructor, en vivo (en línea o presencial), está dirigida a desarrolladores de nivel intermedio a avanzado que deseen programar y optimizar aplicaciones utilizando la pila propietaria de GPU de Biren, con comparaciones prácticas frente a entornos basados en CUDA.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la arquitectura de GPU de Biren y su jerarquía de memoria.
• Configurar el entorno de desarrollo y utilizar el modelo de programación de Biren.
• Traducir y optimizar código estilo CUDA para plataformas de Biren.
• Aplicar técnicas de ajuste de rendimiento y depuración.

Formato del curso

• Clases magistrales interactivas y discusión.
• Uso práctico del SDK de Biren en cargas de trabajo de GPU de ejemplo.
• Ejercicios guiados enfocados en la migración y el ajuste de rendimiento.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso basada en su pila de aplicaciones o necesidades de integración, por favor contáctenos para coordinarlo.

Los MLU de Cambricon (Unidades de Aprendizaje Automático) son chips especializados de inteligencia artificial optimizados para inferencia y entrenamiento en escenarios de borde y centros de datos.

Este entrenamiento en vivo, impartido por instructores (en línea o presencial), está dirigido a desarrolladores de nivel intermedio que deseen crear e implementar modelos de IA utilizando el framework BANGPy y el SDK Neuware en hardware Cambricon MLU.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Configurar y preparar los entornos de desarrollo de BANGPy y Neuware.
• Desarrollar y optimizar modelos basados en Python y C++ para Cambricon MLU.
• Implementar modelos en dispositivos de borde y centros de datos que ejecuten el runtime de Neuware.
• Integrar flujos de trabajo de ML con características de aceleración específicas de MLU.

Formato del curso

• Clase interactiva y discusión.
• Uso práctico de BANGPy y Neuware para el desarrollo e implementación.
• Ejercicios guiados centrados en optimización, integración y pruebas.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada basada en su modelo de dispositivo Cambricon o caso de uso, por favor contáctenos para coordinarlo.

Esta capacitación impartida por un instructor en vivo en Barranquilla (en línea o en sitio) está dirigida a administradores de sistemas y profesionales de TI de nivel principiante que deseen instalar, configurar, gestionar y solucionar problemas de entornos CUDA.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender la arquitectura, los componentes y las capacidades de CUDA.
• Instalar y configurar entornos CUDA.
• Gestionar y optimizar los recursos de CUDA.
• Depurar y resolver problemas comunes en CUDA.

Esta capacitación impartida por un instructor, en vivo en Barranquilla (en línea o en sitio), está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar OpenCL para programar dispositivos heterogéneos y aprovechar su paralelismo.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya el SDK de OpenCL, un dispositivo compatible con OpenCL y Visual Studio Code.
• Crear un programa básico de OpenCL que realice suma de vectores en el dispositivo y recupere los resultados desde la memoria del dispositivo.
• Utilizar la API de OpenCL para consultar información del dispositivo, crear contextos, colas de comandos, buffers, kernels y eventos.
• Emplear el lenguaje OpenCL C para escribir kernels que se ejecuten en el dispositivo y manipulen datos.
• Hacer uso de las funciones integradas, extensiones y bibliotecas de OpenCL para realizar tareas y operaciones comunes.
• Aplicar los modelos de memoria del host y del dispositivo en OpenCL para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar el modelo de ejecución de OpenCL para controlar los elementos de trabajo (work-items), los grupos de trabajo (work-groups) y los rangos multidimensionales (ND-ranges).
• Depurar y probar programas de OpenCL utilizando herramientas como CodeXL, Intel VTune y NVIDIA Nsight.
• Optimizar programas de OpenCL mediante técnicas como la vectorización, el desenrollado de bucles, el uso de memoria local y el perfilado.

Esta formación impartida por un instructor, en vivo en Barranquilla (en línea o en sitio), está dirigida a desarrolladores de nivel intermedio que desean utilizar CUDA para crear aplicaciones en Python que se ejecuten en paralelo en GPUs de NVIDIA.

Al finalizar esta formación, los participantes serán capaces de:

• Utilizar el compilador Numba para acelerar aplicaciones en Python que se ejecutan en GPUs de NVIDIA.
• Crear, compilar y ejecutar kernels personalizados de CUDA.
• Gestionar la memoria de la GPU.
• Convertir una aplicación basada en CPU en una aplicación acelerada por GPU.

Este curso de capacitación en vivo, impartido por un instructor en Barranquilla, aborda cómo programar GPU para computación paralela, cómo utilizar diversas plataformas, cómo trabajar con la plataforma CUDA y sus características, y cómo aplicar diversas técnicas de optimización mediante CUDA. Algunas de las aplicaciones incluyen aprendizaje profundo, análisis de datos, procesamiento de imágenes y aplicaciones de ingeniería.