Szkolenia GPU w Warszawa

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do programistów na poziomie podstawowym i średniozaawansowanym, którzy chcą wykorzystać OpenACC do programowania urządzeń heterogenicznych i wykorzystania ich równoległości.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Skonfigurować środowisko programistyczne OpenACC.
• Napisać i uruchomić podstawowy program OpenACC.
• Adnotować kod za pomocą dyrektyw i klauzul OpenACC.
• Korzystać z API i bibliotek OpenACC.
• Profilować, debugować i optymalizować programy OpenACC.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do programistów na poziomie podstawowym i średniozaawansowanym, którzy chcą poznać podstawy programowania GPU oraz główne frameworki i narzędzia do tworzenia aplikacji GPU.

• Pod koniec szkolenia uczestnicy będą mogli:
  Zrozumieć różnicę między obliczeniami CPU i GPU oraz korzyści i wyzwania związane z programowaniem GPU.
• Wybrać odpowiedni framework i narzędzie dla swojej aplikacji GPU.
• Stworzyć podstawowy program GPU wykonujący dodawanie wektorów przy użyciu jednego lub więcej frameworków i narzędzi.
• Używać odpowiednich interfejsów API, języków i bibliotek do pobierania informacji o urządzeniu, alokowania i zwalniania pamięci urządzenia, kopiowania danych między hostem a urządzeniem, uruchamiania jąder i synchronizacji wątków.
• Używać odpowiednich przestrzeni pamięci, takich jak globalna, lokalna, stała i prywatna, aby zoptymalizować transfery danych i dostęp do pamięci.
• Używać odpowiednich modeli wykonania, takich jak elementy robocze, grupy robocze, wątki, bloki i siatki, aby kontrolować równoległość.
• Debugować i testować programy GPU przy użyciu narzędzi takich jak CodeXL, CUDA-GDB, CUDA-MEMCHECK i NVIDIA Nsight.
• Optymalizować programy GPU przy użyciu technik takich jak łączenie, buforowanie, pobieranie z wyprzedzeniem i profilowanie.

To szkolenie prowadzone przez instruktora (online lub na miejscu) w Warszawa jest skierowane do programistów na poziomie początkującym i średnio zaawansowanym, którzy chcą korzystać z różnych frameworków do programowania GPU i porównać ich funkcje, wydajność i kompatybilność.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Skonfigurować środowisko deweloperskie obejmujące OpenCL SDK, CUDA Toolkit, platformę ROCm, urządzenie obsługujące OpenCL, CUDA lub ROCm oraz Visual Studio Code.
• Stworzyć podstawowy program GPU wykonujący dodawanie wektorów przy użyciu OpenCL, CUDA i ROCm oraz porównać składnię, strukturę i wykonanie każdego frameworka.
• Korzystać z odpowiednich interfejsów API do uzyskiwania informacji o urządzeniu, alokowania i zwalniania pamięci urządzenia, kopiowania danych między hostem a urządzeniem, uruchamiania kernelów i synchronizacji wątków.
• Korzystać z odpowiednich języków do pisania kernelów wykonywanych na urządzeniu i manipulowania danymi.
• Korzystać z wbudowanych funkcji, zmiennych i bibliotek do wykonywania typowych zadań i operacji.
• Korzystać z odpowiednich przestrzeni pamięci, takich jak globalna, lokalna, stała i prywatna, aby zoptymalizować transfery danych i dostęp do pamięci.
• Korzystać z odpowiednich modeli wykonania do kontrolowania wątków, bloków i siatek definiujących równoległość.
• Debugować i testować programy GPU przy użyciu narzędzi takich jak CodeXL, CUDA-GDB, CUDA-MEMCHECK i NVIDIA Nsight.
• Optymalizować programy GPU przy użyciu technik takich jak łączenie, buforowanie, prefetching i profilowanie.

To szkolenie prowadzone przez instruktora w Warszawa (online lub na miejscu) jest skierowane do programistów na poziomie początkującym i średniozaawansowanym, którzy chcą zainstalować i korzystać z ROCm w systemie Windows, aby programować karty graficzne AMD i wykorzystywać ich możliwości równoległego przetwarzania.

Pod koniec szkolenia uczestnicy będą mogli:

• Skonfigurować środowisko programistyczne obejmujące platformę ROCm, kartę graficzną AMD oraz Visual Studio Code w systemie Windows.
• Stworzyć podstawowy program ROCm, który wykonuje dodawanie wektorów na GPU i pobiera wyniki z pamięci GPU.
• Korzystać z interfejsu ROCm API do pozyskiwania informacji o urządzeniu, alokowania i zwalniania pamięci urządzenia, kopiowania danych między hostem a urządzeniem, uruchamiania jąder i synchronizacji wątków.
• Korzystać z języka HIP do pisania jąder, które wykonują się na GPU i manipulują danymi.
• Korzystać z wbudowanych funkcji, zmiennych i bibliotek HIP do wykonywania typowych zadań i operacji.
• Korzystać z przestrzeni pamięci ROCm i HIP, takich jak globalna, współdzielona, stała i lokalna, aby optymalizować transfery danych i dostęp do pamięci.
• Korzystać z modeli wykonania ROCm i HIP do kontrolowania wątków, bloków i siatek, które definiują równoległe przetwarzanie.
• Debugować i testować programy ROCm i HIP za pomocą narzędzi takich jak ROCm Debugger i ROCm Profiler.
• Optymalizować programy ROCm i HIP przy użyciu technik takich jak łączenie, buforowanie, pobieranie z wyprzedzeniem i profilowanie.

To szkolenie prowadzone przez instruktora w Warszawa (online lub na miejscu) jest skierowane do programistów na poziomie początkującym i średniozaawansowanym, którzy chcą wykorzystać ROCm i HIP do programowania GPU AMD i wykorzystania ich równoległości.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Skonfigurować środowisko programistyczne obejmujące platformę ROCm, procesor graficzny AMD oraz Visual Studio Code.
• Stworzyć podstawowy program ROCm, który wykonuje dodawanie wektorów na GPU i pobiera wyniki z pamięci GPU.
• Używać interfejsu API ROCm do odpytywania o informacje o urządzeniu, alokowania i zwalniania pamięci urządzenia, kopiowania danych między hostem a urządzeniem, uruchamiania jąder i synchronizacji wątków.
• Używać języka HIP do pisania jąder wykonywanych na GPU i manipulowania danymi.
• Używać wbudowanych funkcji, zmiennych i bibliotek HIP do wykonywania typowych zadań i operacji.
• Używać przestrzeni pamięci ROCm i HIP, takich jak globalna, współdzielona, stała i lokalna, aby optymalizować transfery danych i dostęp do pamięci.
• Używać modeli wykonania ROCm i HIP do kontrolowania wątków, bloków i siatek, które definiują równoległość.
• Debugować i testować programy ROCm i HIP za pomocą narzędzi takich jak ROCm Debugger i ROCm Profiler.
• Optymalizować programy ROCm i HIP za pomocą technik takich jak łączenie, buforowanie, pobieranie z wyprzedzeniem i profilowanie.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do programistów na poziomie początkującym i średniozaawansowanym, którzy chcą używać CUDA do programowania procesorów graficznych NVIDIA i wykorzystywać ich równoległość.

Pod koniec szkolenia uczestnicy będą mogli:

• Skonfigurować środowisko programistyczne zawierające CUDA Toolkit, procesor graficzny NVIDIA oraz Visual Studio Code.
• Stworzyć podstawowy program CUDA, który wykonuje dodawanie wektorów na GPU i pobiera wyniki z pamięci GPU.
• Używać CUDA API do pobierania informacji o urządzeniu, alokowania i zwalniania pamięci urządzenia, kopiowania danych między hostem a urządzeniem, uruchamiania jąder i synchronizacji wątków.
• Używać języka CUDA C/C++ do pisania jąder wykonywanych na GPU i manipulowania danymi.
• Używać wbudowanych funkcji, zmiennych i bibliotek CUDA do wykonywania typowych zadań i operacji.
• Używać przestrzeni pamięci CUDA, takich jak globalna, współdzielona, stała i lokalna, aby optymalizować transfery danych i dostęp do pamięci.
• Używać modelu wykonania CUDA do kontrolowania wątków, bloków i siatek, które definiują równoległość.
• Debugować i testować programy CUDA za pomocą narzędzi takich jak CUDA-GDB, CUDA-MEMCHECK i NVIDIA Nsight.
• Optymalizować programy CUDA za pomocą technik takich jak łączenie, buforowanie, pobieranie z wyprzedzeniem i profilowanie.

97% zadowolonych klientów. 

To szkolenie prowadzone przez instruktora na żywo w Warszawa (online lub na miejscu) jest skierowane do początkujących administratorów systemów i specjalistów IT, którzy chcą instalować, konfigurować, zarządzać i rozwiązywać problemy w środowiskach CUDA.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Zrozumieć architekturę, komponenty i możliwości CUDA.
• Instalować i konfigurować środowiska CUDA.
• Zarządzać i optymalizować zasoby CUDA.
• Debugować i rozwiązywać typowe problemy z CUDA.

Ten prowadzony przez instruktora, żywy trening w Warszawa (online lub na miejscu) jest skierowany do programistów na poziomie podstawowym i średnio zaawansowanym, którzy chcą wykorzystać OpenCL do programowania urządzeń heterogenicznych i wykorzystać ich równoległość.

Pod koniec tego szkolenia uczestnicy będą mogli:

• Skonfigurować środowisko programistyczne zawierające OpenCL SDK, urządzenie obsługujące OpenCL oraz Visual Studio Code.
• Utworzyć podstawowy program OpenCL, który wykonuje dodawanie wektorowe na urządzeniu i pobiera wyniki z pamięci urządzenia.
• Wykorzystać OpenCL API do pobierania informacji o urządzeniu, tworzenia kontekstów, kolejek poleceń, buforów, kernelów i zdarzeń.
• Wykorzystać język OpenCL C do pisania kernelów, które wykonują się na urządzeniu i manipulują danymi.
• Wykorzystać wbudowane funkcje, rozszerzenia i biblioteki OpenCL do wykonywania typowych zadań i operacji.
• Wykorzystać modele pamięci hosta i urządzenia OpenCL do optymalizacji transferów danych i dostępu do pamięci.
• Wykorzystać model wykonania OpenCL do kontrolowania work-items, work-groups i ND-ranges.
• Debugować i testować programy OpenCL za pomocą narzędzi takich jak CodeXL, Intel VTune i NVIDIA Nsight.
• Optymalizować programy OpenCL za pomocą technik takich jak wektoryzacja, rozwinięcie pętli, pamięć lokalna i profilowanie.

To szkolenie prowadzone przez instruktora (online lub stacjonarne) w Warszawa skierowane jest do deweloperów C++, którzy chcą przyspieszyć aplikacje przy użyciu technologii CUDA, pisać wydajne jądra GPU oraz wykorzystywać biblioteki algorytmiki równoległej do obliczeń naukowych, przetwarzania danych i zadań uczenia maszynowego.

To prowadzone na żywo szkolenie instruktorskie w Warszawa (online lub stacjonarnie) jest skierowane do programistów C/C++, którzy chcą wykorzystać technologię CUDA do przyspieszenia aplikacji wymagających dużych mocy obliczeniowych, takich jak przetwarzanie danych, symulacje naukowe, zadania uczenia maszynowego oraz potoki przetwarzania obrazów.

To szkolenie prowadzone przez instruktora na żywo w Warszawa (online lub na miejscu) jest skierowane do programistów, analityków danych i specjalistów technicznych, którzy chcą wykorzystać TensorFlow 2.x i Keras do budowania, trenowania i wdrażania modeli uczenia głębokiego w zastosowaniach związanych z przetwarzaniem obrazów, języka naturalnego i aplikacjami multimodalnymi.

Ten prowadzony przez instruktora kurs na żywo w Warszawa obejmuje programowanie GPU do obliczeń równoległych, korzystanie z różnych platform, pracę z platformą CUDA i jej funkcjami oraz stosowanie różnych technik optymalizacji za pomocą CUDA. Niektóre z zastosowań obejmują uczenie głębokie, analizy, przetwarzanie obrazów i aplikacje inżynierskie.