Онлайн или на място, водени от инструктори GPU (Graphics Processing Unit) курсове за обучение на живо демонстрират чрез интерактивна дискусия и практическа практика основите на GPU и как да програмирате GPU. Обучението за GPU се предлага като „онлайн обучение на живо“ или „обучение на живо на място“. Онлайн обучението на живо (известно още като „дистанционно обучение на живо“) се извършва чрез интерактивен отдалечен работен плот . Обучението на живо на място може да се проведе локално в помещенията на клиента в София или в корпоративните центрове за обучение на NobleProg в София. NobleProg -- Вашият местен доставчик на обучение
Кристал бизнес център
ул. "Осогово" 40, София, Bulgaria, 1303
Кристал Бизнес Център се намира в централната част на София, на ъгъла на ул. „Осогово”. и бул. "Тодор Александров" Сградата е лесно достъпна чрез метрото (само на 50 м от гара Опълченска) и друг обществен транспорт. Общата му площ е 8000 кв.м. Офисната площ е 6171 кв.м.
Това водено от инструктор обучение на живо в София (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да използват OpenACC за програмиране на разнородни устройства и да използват техния паралелизъм.
До края на това обучение участниците ще могат:
Настройте среда за разработка, която включва OpenACC SDK, устройство, което поддържа OpenACC и Visual Studio код.
Създайте основна OpenACC програма, която извършва векторно добавяне на устройството и извлича резултатите от паметта на устройството.
Използвайте OpenACC директиви и клаузи, за да коментирате кода и да посочите паралелните региони, движението на данни и опциите за оптимизация.
Използвайте API на OpenACC, за да заявите информация за устройството, да зададете номер на устройството, да обработвате грешки и да синхронизирате събития.
Използвайте OpenACC библиотеки и функции за оперативна съвместимост, за да интегрирате OpenACC с други модели за програмиране, като CUDA, OpenMP и MPI.
Използвайте инструментите на OpenACC, за да профилирате и отстранявате грешки в програмите на OpenACC и да идентифицирате тесните места и възможности за производителност.
Оптимизирайте програмите OpenACC, като използвате техники като локализиране на данни, сливане на цикъл, сливане на ядрото и автоматична настройка.
Това водено от инструктор обучение на живо в София (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да научат основите на GPU програмирането и основните рамки и инструменти за разработване на GPU приложения .
До края на това обучение участниците ще могат: Разберете разликата между CPU и GPU изчисленията и предимствата и предизвикателствата на GPU програмирането.
Изберете правилната рамка и инструмент за тяхното GPU приложение.
Създайте основна GPU програма, която извършва добавяне на вектори, като използва една или повече от рамките и инструментите.
Използвайте съответните API, езици и библиотеки, за да правите заявки за информация за устройството, да разпределяте и освобождавате памет на устройството, да копирате данни между хост и устройство, да стартирате ядра и да синхронизирате нишки.
Използвайте съответните пространства на паметта, като глобална, локална, постоянна и частна, за да оптимизирате прехвърлянето на данни и достъпа до паметта.
Използвайте съответните модели за изпълнение, като работни елементи, работни групи, нишки, блокове и мрежи, за да контролирате паралелизма.
Отстранявайте грешки и тествайте GPU програми с помощта на инструменти като CodeXL, CUDA-GDB, CUDA-MEMCHECK и NVIDIA Nsight.
Оптимизирайте GPU програми, като използвате техники като обединяване, кеширане, предварително извличане и профилиране.
Това водено от инструктор обучение на живо в София (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да използват различни рамки за GPU програмиране и да сравняват техните характеристики, производителност и съвместимост.
До края на това обучение участниците ще могат:
Настройте среда за разработка, която включва OpenCL SDK, CUDA Toolkit, ROCm платформа, устройство, което поддържа OpenCL, CUDA или ROCm и Visual Studio код.
Създайте основна GPU програма, която извършва добавяне на вектори, използвайки OpenCL, CUDA и ROCm, и сравнете синтаксиса, структурата и изпълнението на всяка рамка.
Използвайте съответните API, за да правите заявки за информация за устройството, да разпределяте и освобождавате памет на устройството, да копирате данни между хост и устройство, да стартирате ядра и да синхронизирате нишки.
Използвайте съответните езици, за да напишете ядра, които се изпълняват на устройството и манипулират данни.
Използвайте съответните вградени функции, променливи и библиотеки за изпълнение на общи задачи и операции.
Използвайте съответните пространства на паметта, като глобална, локална, постоянна и частна, за да оптимизирате прехвърлянето на данни и достъпа до паметта.
Използвайте съответните модели за изпълнение, за да контролирате нишките, блоковете и решетките, които определят паралелизма.
Отстранявайте грешки и тествайте GPU програми с помощта на инструменти като CodeXL, CUDA-GDB, CUDA-MEMCHECK и NVIDIA Nsight.
Оптимизирайте GPU програми, като използвате техники като обединяване, кеширане, предварително извличане и профилиране.
Това водено от инструктор обучение на живо в София (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да инсталират и използват ROCm на Windows, за да програмират AMD GPU и да използват техния паралелизъм.
До края на това обучение участниците ще могат:
Настройте среда за разработка, която включва ROCm платформа, AMD GPU и Visual Studio код на Windows.
Създайте базова ROCm програма, която извършва добавяне на вектор върху GPU и извлича резултатите от паметта GPU.
Използвайте ROCm API, за да правите заявки за информация за устройството, да разпределяте и освобождавате памет на устройството, да копирате данни между хост и устройство, да стартирате ядра и да синхронизирате нишки.
Използвайте HIP езика, за да пишете ядра, които се изпълняват на GPU и манипулират данни.
Използвайте вградените функции, променливи и библиотеки на HIP за изпълнение на общи задачи и операции.
Използвайте ROCm и HIP пространства на паметта, като глобални, споделени, постоянни и локални, за да оптимизирате трансфера на данни и достъпа до паметта.
Използвайте ROCm и HIP модели за изпълнение, за да контролирате нишките, блоковете и решетките, които определят паралелизма.
Отстранявайте грешки и тествайте ROCm и HIP програми с помощта на инструменти като ROCm Debugger и ROCm Profiler.
Оптимизирайте ROCm и HIP програмите, като използвате техники като обединяване, кеширане, предварително извличане и профилиране.
Това водено от инструктор обучение на живо в София (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да използват ROCm и HIP за програмиране на AMD GPU и да използват техния паралелизъм.
До края на това обучение участниците ще могат:
Настройте среда за разработка, която включва ROCm платформа, AMD GPU и Visual Studio код.
Създайте базова ROCm програма, която извършва добавяне на вектор върху GPU и извлича резултатите от паметта GPU.
Използвайте ROCm API, за да правите заявки за информация за устройството, да разпределяте и освобождавате памет на устройството, да копирате данни между хост и устройство, да стартирате ядра и да синхронизирате нишки.
Използвайте HIP езика, за да пишете ядра, които се изпълняват на GPU и манипулират данни.
Използвайте вградените функции, променливи и библиотеки на HIP за изпълнение на общи задачи и операции.
Използвайте ROCm и HIP пространства на паметта, като глобални, споделени, постоянни и локални, за да оптимизирате трансфера на данни и достъпа до паметта.
Използвайте ROCm и HIP модели за изпълнение, за да контролирате нишките, блоковете и решетките, които определят паралелизма.
Отстранявайте грешки и тествайте ROCm и HIP програми с помощта на инструменти като ROCm Debugger и ROCm Profiler.
Оптимизирайте ROCm и HIP програмите, като използвате техники като обединяване, кеширане, предварително извличане и профилиране.
Това водено от инструктор обучение на живо в София (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да използват CUDA за програмиране на NVIDIA GPU и да използват техния паралелизъм.
До края на това обучение участниците ще могат:
Настройте среда за разработка, която включва CUDA Toolkit, код на NVIDIA GPU и Visual Studio.
Създайте основна CUDA програма, която извършва добавяне на вектор върху GPU и извлича резултатите от паметта GPU.
Използвайте CUDA API, за да правите заявки за информация за устройството, да разпределяте и освобождавате памет на устройството, да копирате данни между хост и устройство, да стартирате ядра и да синхронизирате нишки.
Използвайте езика CUDA C/C++, за да напишете ядра, които се изпълняват на GPU и да манипулират данни.
Използвайте вградени функции, променливи и библиотеки на CUDA за изпълнение на общи задачи и операции.
Използвайте CUDA пространства на паметта, като глобални, споделени, постоянни и локални, за да оптимизирате трансфера на данни и достъпа до паметта.
Използвайте модел за изпълнение на CUDA, за да контролирате нишките, блоковете и решетките, които определят паралелизма.
Отстранявайте грешки и тествайте CUDA програми с помощта на инструменти като CUDA-GDB, CUDA-MEMCHECK и NVIDIA Nsight.
Оптимизирайте програмите CUDA, като използвате техники като обединяване, кеширане, предварително извличане и профилиране.
Това водено от инструктор обучение на живо в София (онлайн или на място) е насочено към системни администратори на ниво начинаещи и ИТ специалисти, които желаят да инсталират, конфигурират, управляват и отстраняват проблеми в CUDA среди.
До края на това обучение участниците ще могат:
Разберете архитектурата, компонентите и възможностите на CUDA.
Инсталирайте и конфигурирайте CUDA среди.
Управлявайте и оптимизирайте ресурсите на CUDA.
Отстраняване на грешки и отстраняване на често срещани проблеми с CUDA.
Това водено от инструктор обучение на живо в София (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да използват OpenCL за програмиране на хетерогенни устройства и да използват техния паралелизъм.
До края на това обучение участниците ще могат:
Настройте среда за разработка, която включва OpenCL SDK, устройство, което поддържа OpenCL и Visual Studio код.
Създайте основна OpenCL програма, която извършва векторно добавяне на устройството и извлича резултатите от паметта на устройството.
Използвайте OpenCL API за запитване към информация за устройството, създаване на контексти, опашки с команди, буфери, ядра и събития.
Използвайте OpenCL език C, за да напишете ядра, които се изпълняват на устройството и манипулират данни.
Използвайте OpenCL вградени функции, разширения и библиотеки за изпълнение на общи задачи и операции.
Използвайте OpenCL модели памет на хост и устройство, за да оптимизирате трансфера на данни и достъпа до паметта.
Използвайте OpenCL модел за изпълнение, за да контролирате работните елементи, работните групи и ND-обхватите.
Отстранявайте грешки и тествайте OpenCL програми с помощта на инструменти като CodeXL, Intel VTune и NVIDIA Nsight.
Оптимизирайте OpenCL програми, като използвате техники като векторизация, разгръщане на цикъл, локална памет и профилиране.
Това инструкторско руководимо живо обучение в София (онлайн или наместно) е насочено към среднокоlescени разработчици, които искат да използват CUDA за построяване на Python приложения, работещи паралелно върху NVIDIA GPU.
До края на това обучение участниците ще могат:
Да използват компилатора Numba за ускоряване на Python приложения, работещи на NVIDIA GPU.
Да създават, компилират и стартират персонализирани CUDA ядра.
Да управляват паметта на GPU.
Да конвертират CPU-базирано приложение в приложение, ускорено от GPU.
Този воден от инструктор курс на обучение на живо в София обхваща как да програмирате GPUs за паралелни изчисления, как да използвате различни платформи, как да работите с платформата CUDA и нейните функции и как да изпълнявате различни техники за оптимизация с помощта на CUDA . Някои от приложенията включват дълбоко обучение, анализи, обработка на изображения и инженерни приложения.
Read more...
Последна актуализация:
Oтзиви от потребители (2)
Много интерактивен с различни примери, с добра прогресия в сложността между началото и края на обучението.
Jenny - Andheo
Курс - GPU Programming with CUDA and Python
Машинен превод
Обучаващи енергия и хумор.
Tadeusz Kaluba - Nokia Solutions and Networks Sp. z o.o.
Online GPU training in София
Weekend GPU training in София
Evening GPU courses in София
GPU coaching in София
GPU boot camp in София
GPU instructor in София
GPU trainer in София
GPU instructor-led in София
GPU classes in София
GPU on-site in София
GPU private courses in София
GPU one on one training in София, GPU instructor-led in София, GPU coaching in София, GPU trainer in София, Online GPU training in София, GPU one on one training in София, GPU private courses in София, GPU on-site in София, GPU instructor in София, Evening GPU courses in София, GPU boot camp in София, GPU classes in София, Weekend GPU training in София
