Cursos de GPU en Columbia

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

Este curso dirigido por instructores (en línea o presencial) está destinado a ingenieros de IA intermedios y científicos de datos que desean desarrollar y optimizar modelos de redes neuronales utilizando la plataforma Ascend de Huawei y el kit de herramientas CANN.

Al finalizar este curso, los participantes podrán:

• Configurar y configurar el entorno de desarrollo de CANN.
• Desarrollar aplicaciones AI utilizando MindSpore y flujos de trabajo CloudMatrix.
• Optimizar el rendimiento en NPUs Ascend usando operadores personalizados y tiling.
• Implementar modelos en entornos edge o cloud.

Formato del curso

• Conferencia interactiva y discusión.
• Uso práctico de Huawei Ascend y el kit de herramientas CANN en aplicaciones de ejemplo.
• Ejercicios guiados enfocados en la construcción, entrenamiento e implementación del modelo.

Opciones para personalizar el curso

• Para solicitar un curso personalizado basado en su infraestructura o conjuntos de datos, contáctenos para organizarlo.

La pila de IA de Huawei — desde el nivel bajo CANN SDK hasta el marco alto nivel MindSpore — ofrece un entorno integrado para desarrollo y despliegue optimizado para la hardware Ascend.

Este entrenamiento en vivo (en línea o presencial) está dirigido a profesionales técnicos de nivel principiante a intermedio que desean comprender cómo los componentes CANN y MindSpore trabajan juntos para apoyar la gestión del ciclo de vida de IA e infraestructura.

Al finalizar este entrenamiento, los participantes podrán:

• Comprender la arquitectura en capas de la pila de cálculo de IA de Huawei.
• Identificar cómo CANN apoya la optimización del modelo y el despliegue a nivel hardware.
• Evaluar el marco y herramienta MindSpore en relación con alternativas industriales.
• Posicionar la pila de IA de Huawei dentro de entornos empresariales o cloud/on-prem.

Formato del Curso

• Charla interactiva y discusión.
• Demostraciones de sistema en vivo y recorridos basados en casos prácticos.
• Laboratorios guiados opcionales sobre el flujo de modelos desde MindSpore a CANN.

Opciones de Personalización del Curso

• Para solicitar un entrenamiento personalizado para este curso, por favor contáctenos para coordinar.

Esta capacitación en vivo dirigida por un instructor en Columbia (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.
• Utilice la API y las bibliotecas de OpenACC.
• Perfile, depure y optimice los programas OpenACC.

El SDK CANN (Arquitectura de Computación para Neural Networks) proporciona herramientas poderosas de implementación y optimización para aplicaciones de IA en tiempo real en visión por computadora y PLN, especialmente en hardware Huawei Ascend.

Este entrenamiento guiado por un instructor (en línea o presencial) está dirigido a practicantes intermedios de IA que desean construir, implementar y optimizar modelos de visión y lenguaje utilizando el SDK CANN para casos de uso en producción.

Al finalizar este entrenamiento, los participantes podrán:

• Implementar y optimizar modelos CV y NLP usando CANN y AscendCL.
• Utilizar las herramientas de CANN para convertir modelos e integrarlos en tuberías en vivo.
• Optimizar el rendimiento de la inferencia para tareas como detección, clasificación y análisis de sentimientos.
• Construir pipelines de CV/NLP en tiempo real para escenarios de implementación basados en dispositivos de borde o nube.

Formato del Curso

• Conferencia interactiva y demostración.
• Laboratorio práctico con implementación de modelos y perfilado de rendimiento.
• Diseño en vivo de tuberías utilizando casos reales de CV y PLN.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, contáctenos para organizarlo.

Esta capacitación en vivo dirigida por un instructor en Columbia (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.

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

Este entrenamiento dirigido por instructores en vivo (en línea o presencial) está destinado a desarrolladores avanzados que desean construir, implementar y afinar operadores personalizados para modelos de IA usando el modelo de programación TIK de CANN e integración del compilador TVM.

Al finalizar este entrenamiento, los participantes podrán:

• Escribir y probar operadores personalizados de IA utilizando el DSL TIK para procesadores Ascend.
• Integrar operaciones personalizadas en la ejecución y el grafo de CANN.
• Usar TVM para la programación de operadores, autoajuste y benchmarking.
• Depurar y optimizar el rendimiento a nivel de instrucción para patrones de cálculo personalizados.

Formato del Curso

• Conferencia interactiva y demostración.
• Codificación práctica de operadores usando las tuberías TIK y TVM.
• Pruebas y ajustes en hardware Ascend o simuladores.

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso, por favor contáctenos para organizarlo.

Esta formación en vivo dirigida por un instructor en Columbia (en línea o presencial) está destinada a desarrolladores de nivel principiante e intermedio que desean utilizar diferentes marcos para la programación de GPU y comparar sus características, rendimiento y compatibilidad.

Al finalizar esta formación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya el SDK de OpenCL, la herramienta CUDA Toolkit, la plataforma ROCm, un dispositivo que soporte OpenCL, CUDA o ROCm y Visual Studio Code.
• Crear un programa básico de GPU que realice una suma vectorial utilizando OpenCL, CUDA y ROCm, y comparar la sintaxis, estructura y ejecución de cada marco.
• Usar las respectivas API para consultar información del dispositivo, asignar y liberar memoria de dispositivo, copiar datos entre el host y el dispositivo, lanzar núcleos (kernels) y sincronizar hilos.
• Utilizar los lenguajes correspondientes para escribir núcleos que se ejecutan en el dispositivo y manipular datos.
• Usar las funciones, variables y bibliotecas incorporadas de cada marco para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria correspondientes, como global, local, constante y privado, para optimizar transferencias de datos y accesos a memoria.
• Usar los modelos de ejecución respectivos para controlar los hilos, bloques y cuadrículas que definen la paralelización.
• Depurar y probar programas GPU utilizando herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar los programas de GPU mediante técnicas como coalescencia, caché, prefetching y perfilado.

CloudMatrix es la plataforma unificada de desarrollo y despliegue de IA de Huawei diseñada para apoyar tuberías de inferencia escalables y de producción.

Este entrenamiento dirigido por instructores (en línea o en persona) está orientado a profesionales de nivel principiante e intermedio en IA que desean implementar y monitorear modelos de IA utilizando la plataforma CloudMatrix con integración de CANN y MindSpore.

Al finalizar este entrenamiento, los participantes podrán:

• Usar CloudMatrix para empaquetar, desplegar y servir modelos.
• Convertir y optimizar modelos para chipsets Ascend.
• Configurar tuberías para tareas de inferencia en tiempo real y por lotes.
• Monitorear despliegues y ajustar el rendimiento en entornos de producción.

Formato del Curso

• Conferencia interactiva y discusión.
• Uso práctico de CloudMatrix con escenarios reales de despliegue.
• Ejercicios guiados enfocados en conversión, optimización y escalabilidad.

Opciones para Personalizar el Entrenamiento

• Para solicitar un entrenamiento personalizado basado en su infraestructura de IA o entorno en la nube, contáctenos para organizarlo.

La herramienta Ascend CANN de Huawei permite realizar inferencias de IA potentes en dispositivos de borde como el Ascend 310. CANN proporciona herramientas esenciales para compilar, optimizar y desplegar modelos donde los recursos de cálculo y memoria están limitados.

Este entrenamiento dirigido por un instructor (en línea u on-site) está destinado a desarrolladores e integradores de IA intermedios que desean desplegar y optimizar modelos en dispositivos de borde Ascend utilizando la cadena de herramientas CANN.

Al finalizar este entrenamiento, los participantes podrán:

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

Formato del Curso

• Conferencia interactiva y demostración.
• Trabajo práctico con modelos y escenarios específicos del borde.
• Ejemplos de despliegue en vivo en hardware virtual o físico del borde.

Opciones de Personalización del Curso

• Para solicitar un entrenamiento personalizado para este curso, por favor contáctenos para coordinar.

Esta capacitación en vivo dirigida por un instructor en Columbia (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 Columbia (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.

CANN (Compute Architecture for Neural Networks) es la herramienta de cálculo de Inteligencia Artificial (IA) de Huawei que se utiliza para compilar, optimizar y desplegar modelos de IA en los procesadores Ascend AI.

Esta formación dirigida por instructores (en línea o presencial) está destinada a desarrolladores principiantes de IA que desean entender cómo CANN se integra en el ciclo de vida del modelo, desde la formación hasta el despliegue, y cómo funciona con marcos como MindSpore, TensorFlow y PyTorch.

Al finalizar esta formación, los participantes podrán:

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

Formato del Curso

• Conferencia interactiva y discusión.
• Laboratorios prácticos con despliegue de modelos simples.
• Explicación paso a paso de la cadena de herramientas CANN y los puntos de integración.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para organizarlo.

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

Esta formación dirigida por instructores (en línea o presencial) está orientada a ingenieros avanzados de infraestructura e IA y rendimiento que desean optimizar flujos de trabajo de inferencia y entrenamiento de modelos en múltiples plataformas de chips AI chinos.

Al final de esta formación, los participantes podrán:

• Benchmarkear modelos en las plataformas Ascend, Biren y Cambricon.
• Identificar cuellos de botella del sistema e ineficiencias de memoria/cómputo.
• Aplicar optimizaciones a nivel de gráficos, núcleos y operadores.
• Ajustar pipelines de despliegue para mejorar el rendimiento y la latencia.

Formato del Curso

• Conferencias interactivas y discusiones.
• Uso práctico de herramientas de perfilado y optimización en cada plataforma.
• Ejercicios guiados enfocados en escenarios de ajuste prácticos.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso basada en su entorno de rendimiento o tipo de modelo, por favor contáctenos para organizarlo.

CANN SDK (Arquitectura de Cómputo para Neural Networks) es la base de cómputo de IA de Huawei que permite a los desarrolladores afinar y optimizar el rendimiento de redes neuronales implementadas en procesadores AI Ascend.

Esta formación presencial dirigida por un instructor (en línea o presencial) está destinada a desarrolladores avanzados de IA e ingenieros de sistemas que desean optimizar el rendimiento de inferencia utilizando la herramienta avanzada CANN, incluyendo el Engine Gráfico, TIK y el desarrollo de operadores personalizados.

Al final de esta formación, los participantes podrán:

• Entender la arquitectura en tiempo real y el ciclo de vida del rendimiento de CANN.
• Utilizar herramientas de perfilado y Engine Gráfico para análisis y optimización de rendimiento.
• Crear y optimizar operadores personalizados utilizando TIK y TVM.
• Resolver cuellos de botella de memoria e mejorar la tasa de procesamiento del modelo.

Formato del Curso

• Seminario interactivo y discusión.
• Laboratorios prácticos con perfilado en tiempo real y ajuste de operadores.
• Ejercicios de optimización utilizando ejemplos de implementación de casos especiales.

Opciones para la Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinar.

Las arquitecturas GPU chinas, como Huawei Ascend, Biren y Cambricon MLUs, ofrecen alternativas a CUDA adaptadas para los mercados de IA y HPC locales.

Este entrenamiento en vivo (en línea u onsite) dirigido por un instructor está destinado a programadores avanzados de GPU y especialistas en infraestructura que desean migrar y optimizar aplicaciones existentes de CUDA para su implementación en plataformas de hardware chinas.

Al finalizar este entrenamiento, los participantes podrán:

• Evaluando la compatibilidad de las cargas de trabajo existentes de CUDA con alternativas de chips chinos.
• Migrar bases de código de CUDA a entornos Huawei CANN, Biren SDK y Cambricon BANGPy.
• Comparar el rendimiento e identificar puntos de optimización en distintas plataformas.
• Abordar desafíos prácticos en el soporte y la implementación entre arquitecturas.

Formato del Curso

• Charlas interactivas y discusiones.
• Laboratorios de traducción de código y comparaciones de rendimiento prácticos.
• Ejercicios guiados enfocados en estrategias de adaptación multi-GPU.

Opciones para la Personalización del Curso

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

Esta capacitación en vivo dirigida por un instructor en Columbia (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.

El 97% de los clientes satisfacen. 

CANN (Compute Architecture for Neural Networks) es la pila de cómputo de Inteligencia Artificial (IA) de Huawei para desplegar y optimizar modelos de IA en los procesadores Ascend AI.

Este entrenamiento impartido por instructores en vivo (en línea o presencial) está dirigido a desarrolladores e ingenieros intermedios de IA que desean desplegar eficientemente modelos de IA entrenados en hardware Huawei Ascend utilizando la herramienta CANN y herramientas como MindSpore, TensorFlow, o PyTorch.

Al finalizar este entrenamiento, los participantes podrán:

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

Formato del Curso

• Conferencia interactiva y demostración.
• Trabajo práctico utilizando herramientas de CANN y simuladores o dispositivos Ascend.
• Escenarios de despliegue basados en modelos de IA del mundo real.

Opciones de Personalización del Curso

• Para solicitar un entrenamiento personalizado para este curso, por favor contáctenos para coordinarlo.

Los aceleradores AI de Biren son GPUs de alto rendimiento diseñados para cargas de trabajo de IA y HPC, con soporte para entrenamiento y inferencia a gran escala.

Este curso impartido por instructores (en línea o en persona) está dirigido a desarrolladores de nivel intermedio y avanzado que desean programar y optimizar aplicaciones utilizando la pila propietaria GPU de Biren, con comparaciones prácticas con entornos basados en CUDA.

Al final de este entrenamiento, los participantes podrán:

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

Formato del curso

• Conferencia interactiva y discusión.
• Uso práctico de la SDK Biren en cargas de trabajo de muestra GPU.
• Ejercicios guiados enfocados en portabilidad y ajuste de rendimiento.

Opciones de personalización del curso

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

Las unidades MLU de Cambricon (Machine Learning) son chips especializados en IA optimizados para inferencia y entrenamiento en escenarios de borde y centros de datos.

Esta formación en vivo dirigida por un instructor (en línea o presencial) está destinada a desarrolladores intermedios que desean construir y desplegar modelos de IA utilizando el marco BANGPy y el SDK Neuware en hardware MLU de Cambricon.

Al finalizar esta formación, los participantes podrán:

• Configurar y configurar los entornos de desarrollo de BANGPy y Neuware.
• Desarrollar y optimizar modelos basados en Python y C++ para las unidades MLU de Cambricon.
• Desplegar modelos a dispositivos de borde y centros de datos que ejecutan el tiempo de ejecución Neuware.
• Integrar flujos de trabajo de IA con características de aceleración específicas de MLU.

Formato del Curso

• Conferencia interactiva y discusión.
• Uso práctico de BANGPy y Neuware para desarrollo y despliegue.
• Ejercicios guiados enfocados en optimización, integración y pruebas.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada basada en el modelo de dispositivo Cambricon o caso de uso específico, contáctenos para organizarlo.

Esta capacitación en vivo dirigida por un instructor en Columbia (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.
• Instalar y configurar entornos CUDA.
• Gestione y optimice los recursos de CUDA.
• Depurar y solucionar problemas comunes de CUDA.

Esta formación en vivo dirigida por un instructor en Columbia (en línea o presencial) está destinada a desarrolladores de nivel principiante a intermedio que desean usar OpenCL para programar dispositivos heterogéneos y explotar su paralelismo.

Al finalizar esta formación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya el SDK OpenCL, un dispositivo que soporte OpenCL y Visual Studio Code.
• Crear un programa básico en OpenCL que realice una suma vectorial en el dispositivo y recupere los resultados desde la memoria del dispositivo.
• Usar la API de OpenCL para consultar información del dispositivo, crear contextos, colas de comandos, buffers, kernels y eventos.
• Usar el lenguaje C de OpenCL para escribir kernels que se ejecuten en el dispositivo y manipulen datos.
• Usar las funciones incorporadas, extensiones y bibliotecas de OpenCL para realizar tareas y operaciones comunes.
• Utilizar los modelos de memoria del host y del dispositivo en OpenCL para optimizar transferencias de datos y accesos a la memoria.
• Usar el modelo de ejecución de OpenCL para controlar los elementos de trabajo, grupos de trabajo y ND-ranges.
• Depurar y probar programas en OpenCL utilizando herramientas como CodeXL, Intel VTune y NVIDIA Nsight.
• Optimizar los programas en OpenCL usando técnicas tales como vectorización, despliegue de bucles, memoria local y perfilado.

Esta formación impartida por un instructor en Columbia (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 Columbia 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.