Cursos de GPU en Medellín

Esta capacitación presencial, impartida por un instructor en Medellín (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.

Esta capacitación en vivo, impartida por un instructor en Medellín (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.

Este entrenamiento en vivo, impartido por un instructor en Medellín (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.

Esta formación, impartida por un instructor en tiempo real en Medellín (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.

Esta capacitación presencial, impartida por un instructor en Medellín (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.

Esta capacitación impartida por un instructor en vivo en Medellín (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 Medellín (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 en vivo impartida por un instructor en Medellín (en línea o presencial) está dirigida a desarrolladores de C++ que desean utilizar CUDA para acelerar aplicaciones, escribir kernels de GPU de alto rendimiento y aprovechar bibliotecas de algoritmos paralelos para cargas de trabajo de computación científica, procesamiento de datos y aprendizaje automático.

Esta formación presencial impartida por un instructor en Medellín (en línea o in-situ) está dirigida a desarrolladores de C/C++ que desean utilizar CUDA para acelerar aplicaciones intensivas en cómputo, incluyendo procesamiento de datos, simulaciones científicas, cargas de trabajo de aprendizaje automático y pipelines de procesamiento de imágenes.

Esta formación en vivo con instrucción presencial en Medellín (en línea o in situ) está dirigida a desarrolladores de software, analistas de datos y profesionales técnicos que deseen utilizar TensorFlow 2.x y Keras para construir, entrenar e implementar modelos de aprendizaje profundo para visión por computadora, procesamiento del lenguaje natural y aplicaciones multimodales.

Este curso de capacitación en vivo, impartido por un instructor en Medellín, 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.