Los cursos de capacitación en línea o presenciales, dirigidos por un instructor, en vivo GPU (Unidad de procesamiento de gráficos) demuestran a través de discusiones interactivas y práctica los fundamentos de GPU y cómo programar GPUs.
GPU La formación está disponible como "Formación en vivo en línea" o "Formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La capacitación en vivo in situ se puede llevar a cabo localmente en las instalaciones del cliente en Medellín o en los centros de capacitación corporativa de NobleProg en Medellín.
NobleProg -- Su proveedor local de capacitación
Medellín - San Fernando Plaza
06th Floor Torre Proteccion, Medellín, colombia
El centro ocupa el 6to piso de un impresionante complejo de uso mixto construido en 2007. Se ubica a una corta distancia de la Zona Rosa de Medellín donde se puede disfrutar de una excelente comida y otros servicios. De fácil acceso a transporte público como a las principales rutas de autobuses, estaciones de metro Poblado y Aguacatala y servicio de taxis.
Esta capacitación en vivo dirigida por un instructor en Medellín (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean usar OpenACC para programar dispositivos heterogéneos y explotar su paralelismo.
Al final de esta formación, los participantes serán capaces de:
Configure un entorno de desarrollo OpenACC.
Escribir y ejecutar un programa básico de OpenACC.
Anote el código con directivas y cláusulas OpenACC.
Esta capacitación en vivo dirigida por un instructor en Medellín (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen aprender los conceptos básicos de la programación GPU y los principales marcos y herramientas para desarrollar aplicaciones GPU.
Al final de esta capacitación, los participantes serán capaces de: Comprender la diferencia entre la CPU y la computación GPU y los beneficios y desafíos de la programación GPU.
Elija el marco y la herramienta adecuados para su aplicación GPU.
Cree un programa básico GPU que realice la suma de vectores utilizando uno o más de los marcos y herramientas.
Utilice las API, los lenguajes y las bibliotecas respectivos para consultar la información del dispositivo, asignar y desasignar la memoria del dispositivo, copiar datos entre el host y el dispositivo, iniciar kernels y sincronizar subprocesos.
Utilice los espacios de memoria respectivos, como global, local, constante y privado, para optimizar las transferencias de datos y los accesos a la memoria.
Utilice los modelos de ejecución respectivos, como elementos de trabajo, grupos de trabajo, subprocesos, bloques y cuadrículas, para controlar el paralelismo.
Depurar y probar GPU programas utilizando herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
Optimice GPU los programas mediante técnicas como la fusión, el almacenamiento en caché, la captura previa y la generación de perfiles.
Esta capacitación en vivo dirigida por un instructor en Medellín (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que desean usar diferentes marcos para GPU programación y comparar sus características, rendimiento y compatibilidad.
Al final de esta formación, los participantes serán capaces de:
Configure un entorno de desarrollo que incluya OpenCL SDK, CUDA Toolkit, ROCm Platform, un dispositivo que admita OpenCL, CUDA o ROCm y Visual Studio Code.
Cree un programa básico GPU que realice la adición de vectores utilizando OpenCL, CUDA y ROCm, y compare la sintaxis, la estructura y la ejecución de cada marco.
Utilice las API respectivas para consultar información del dispositivo, asignar y desasignar la memoria del dispositivo, copiar datos entre el host y el dispositivo, iniciar kernels y sincronizar subprocesos.
Utilice los lenguajes respectivos para escribir kernels que se ejecuten en el dispositivo y manipulen los datos.
Utilice las funciones, variables y bibliotecas integradas respectivas para realizar tareas y operaciones comunes.
Utilice los espacios de memoria respectivos, como global, local, constante y privado, para optimizar las transferencias de datos y los accesos a la memoria.
Utilice los modelos de ejecución respectivos para controlar los subprocesos, bloques y cuadrículas que definen el paralelismo.
Depura y prueba programas GPU con herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
Optimice GPU programas mediante técnicas como la fusión, el almacenamiento en caché, la captura previa y la generación de perfiles.
Esta capacitación en vivo dirigida por un instructor en Medellín (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen instalar y usar ROCm en Windows para programar AMD GPU y explotar su paralelismo.
Al final de esta capacitación, los participantes serán capaces de:
Configure un entorno de desarrollo que incluya la plataforma ROCm, un código AMD GPU y Visual Studio en Windows.
Cree un programa ROCm básico que realice la suma de vectores en GPU y recupere los resultados de la memoria GPU.
Utilice la API ROCm para consultar la información del dispositivo, asignar y desasignar la memoria del dispositivo, copiar datos entre el host y el dispositivo, iniciar kernels y sincronizar subprocesos.
Utilice el lenguaje HIP para escribir kernels que se ejecuten en el GPU y manipulen los datos.
Utilice las funciones, variables y bibliotecas integradas de HIP para realizar tareas y operaciones comunes.
Utilice los espacios de memoria ROCm y HIP, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
Utilice los modelos de ejecución ROCm y HIP para controlar los subprocesos, los bloques y las cuadrículas que definen el paralelismo.
Depure y pruebe programas ROCm y HIP utilizando herramientas como ROCm Debugger y ROCm Profiler.
Optimice los programas ROCm y HIP mediante técnicas como la fusión, el almacenamiento en caché, la captura previa y la creación de perfiles.
Esta capacitación en vivo dirigida por un instructor en Medellín (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen usar ROCm y HIP para programar AMD GPU y explotar su paralelismo.
Al final de esta capacitación, los participantes serán capaces de:
Configure un entorno de desarrollo que incluya la plataforma ROCm, un código AMD GPU y Visual Studio.
Cree un programa ROCm básico que realice la suma de vectores en GPU y recupere los resultados de la memoria GPU.
Utilice la API ROCm para consultar la información del dispositivo, asignar y desasignar la memoria del dispositivo, copiar datos entre el host y el dispositivo, iniciar kernels y sincronizar subprocesos.
Utilice el lenguaje HIP para escribir kernels que se ejecuten en el GPU y manipulen los datos.
Utilice las funciones, variables y bibliotecas integradas de HIP para realizar tareas y operaciones comunes.
Utilice los espacios de memoria ROCm y HIP, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
Utilice los modelos de ejecución ROCm y HIP para controlar los subprocesos, los bloques y las cuadrículas que definen el paralelismo.
Depure y pruebe programas ROCm y HIP utilizando herramientas como ROCm Debugger y ROCm Profiler.
Optimice los programas ROCm y HIP mediante técnicas como la fusión, el almacenamiento en caché, la captura previa y la creación de perfiles.
Esta capacitación en vivo dirigida por un instructor en Medellín (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean usar CUDA para programar NVIDIA GPU y explotar su paralelismo.
Al final de esta formación, los participantes serán capaces de:
Configure un entorno de desarrollo que incluya CUDA Toolkit, un código NVIDIA GPU y Visual Studio.
Cree un programa CUDA básico que realice la adición de vectores en el GPU y recupere los resultados de la memoria GPU.
Utilice la API de CUDA para consultar información del dispositivo, asignar y desasignar memoria del dispositivo, copiar datos entre el host y el dispositivo, iniciar kernels y sincronizar subprocesos.
Utilice el lenguaje CUDA C/C++ para escribir kernels que se ejecuten en el GPU y manipulen los datos.
Utilice las funciones, variables y bibliotecas integradas de CUDA para realizar tareas y operaciones comunes.
Utilice los espacios de memoria CUDA, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
Utilice el modelo de ejecución de CUDA para controlar los subprocesos, bloques y cuadrículas que definen el paralelismo.
Depure y pruebe programas CUDA con herramientas como CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
Optimice los programas CUDA mediante técnicas como la fusión, el almacenamiento en caché, la captura previa y la generación de perfiles.
Esta capacitación en vivo dirigida por un instructor en Medellín (en línea o en el sitio) está dirigida a administradores de sistemas de nivel principiante y profesionales de TI que deseen instalar, configurar, administrar y solucionar problemas de entornos CUDA.
Al final de esta capacitación, los participantes serán capaces de:
Comprender la arquitectura, los componentes y las capacidades de CUDA.
Esta capacitación en vivo dirigida por un instructor en Medellín (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen usar OpenCL para programar dispositivos heterogéneos y explotar su paralelismo.
Al final de esta capacitación, los participantes serán capaces de:
Configure un entorno de desarrollo que incluya OpenCL SDK, un dispositivo que admita OpenCL y Visual Studio código.
Cree un programa básico OpenCL que realice la suma de vectores en el dispositivo y recupere los resultados de la memoria del dispositivo.
Utilice la API OpenCL para consultar información del dispositivo, crear contextos, colas de comandos, búferes, kernels y eventos.
Utilice el lenguaje C OpenCL para escribir kernels que se ejecuten en el dispositivo y manipulen datos.
Utilice OpenCL funciones, extensiones y bibliotecas integradas para realizar tareas y operaciones comunes.
Utilice OpenCL modelos de memoria de host y dispositivo para optimizar las transferencias de datos y los accesos a la memoria.
Utilice el modelo de ejecución OpenCL para controlar los elementos de trabajo, los grupos de trabajo y los intervalos ND.
Depurar y probar OpenCL programas utilizando herramientas como CodeXL, Intel VTune y NVIDIA Nsight.
Optimice OpenCL programas utilizando técnicas como la vectorización, el desenrollado de bucles, la memoria local y la creación de perfiles.
Esta formación impartida por un instructor en Medellín (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen utilizar CUDA para construir aplicaciones Python que se ejecuten en paralelo en tarjetas NVIDIA GPU.
Al final de esta capacitación, los participantes serán capaces de:
Utilizar el compilador Numba para acelerar aplicaciones Python que se ejecutan en GPUs de NVIDIA.
Crear, compilar y lanzar kernels CUDA personalizados.
Gestionar la memoria de GPU.
Convertir una aplicación basada en CPU en una aplicación acelerada por GPU.
Este curso de capacitación en vivo dirigido por un instructor en Medellín cubre cómo programar GPU para computación paralela, cómo usar varias plataformas, cómo trabajar con la plataforma CUDA y sus características, y cómo realizar varias técnicas de optimización usando CUDA. Algunas de las aplicaciones incluyen aprendizaje profundo, análisis, procesamiento de imágenes y aplicaciones de ingeniería.
Leer más...
Última Actualización:
Testimonios (2)
Muy interactivo con varios ejemplos, con una buena progresión en complejidad entre el inicio y el final de la formación.
Jenny - Andheo
Curso - GPU Programming with CUDA and Python
Traducción Automática
Entrenadores, energía y humor.
Tadeusz Kaluba - Nokia Solutions and Networks Sp. z o.o.
Cursos de Fin de Semana de GPU en Medellín, Capacitación por la Tarde de Graphics Processing Unit (GPU) en Medellín, Graphics Processing Unit con instructor en Medellín, GPU (Graphics Processing Unit) en sitio en Medellín, Capacitador de Graphics Processing Unit en Medellín, Cursos por la Tarde de GPU en Medellín, GPU (Graphics Processing Unit) coaching en Medellín, Cursos de Formación de Graphics Processing Unit (GPU) en Medellín, Clases de Graphics Processing Unit (GPU) en Medellín, GPU boot camp en Medellín, Cursos Privados de GPU en Medellín, Clases Particulares de Graphics Processing Unit (GPU) en Medellín, Instructor de Graphics Processing Unit (GPU) en Medellín, Capacitación de Fin de Semana de Graphics Processing Unit en Medellín
