Cursos de GPU en Lima

Esta formación en vivo, impartida por un instructor en <ubicación> (en línea o presencial), está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar OpenACC para programar dispositivos heterogéneos y explotar su paralelismo.

Al finalizar esta formación, los participantes podrán:

• Configurar un entorno de desarrollo con OpenACC.
• Escribir y ejecutar un programa básico con OpenACC.
• Anotar el código con directivas y cláusulas de OpenACC.
• Utilizar la API y las bibliotecas de OpenACC.
• Perfilar, depurar y optimizar programas con OpenACC.

Este entrenamiento en vivo impartido por un instructor en Lima (en línea o presencial) está dirigido a desarrolladores de nivel principiante a intermedio que desean aprender los fundamentos de la programación de GPUs y los principales frameworks y herramientas para desarrollar aplicaciones para GPUs.

• Al finalizar este entrenamiento, los participantes podrán:
  Comprender la diferencia entre el cálculo con CPU y GPU, así como las ventajas y desafíos de la programación de GPUs.
• Elegir el framework y la herramienta adecuados para su aplicación de GPU.
• Crear un programa básico de GPU que realice una adición de vectores utilizando uno o más de los frameworks y herramientas.
• Utilizar las respectivas API, lenguajes y bibliotecas para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el host y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar los respectivos espacios de memoria, como global, local, constante y privado, para optimizar las transferencias de datos y el acceso a la memoria.
• Utilizar los respectivos modelos de ejecución, como elementos de trabajo, grupos de trabajo, hilos, bloques y cuadrículas, para controlar 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 la coalescencia, el almacenamiento en caché, la precarga y la instrumentación (profiling).

Esta formación en directo impartida por un instructor en Lima (en línea o presencial) está dirigida a desarrolladores principiantes e intermedios que deseen utilizar diferentes marcos de trabajo para la programación con GPU y comparar sus características, rendimiento y compatibilidad.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya el SDK de OpenCL, el Kit de herramientas de CUDA, 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, la estructura y la ejecución de cada marco.
• Utilizar las API respectivas para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el host y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar los lenguajes respectivos para escribir kernels que se ejecuten en el dispositivo y manipulen datos.
• Utilizar las funciones integradas, variables y bibliotecas respectivas para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria respectivos, como global, local, constante y privado, para optimizar las transferencias de datos y el acceso a la memoria.
• Utilizar los modelos de ejecución respectivos para controlar los hilos, bloques y rejillas que definen el paralelismo.
• Depurar y probar programas GPU utilizando herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar programas GPU utilizando técnicas como la coalescencia, el almacenamiento en caché, la precarga de datos (prefetching) y el análisis de rendimiento (profiling).

Esta formación en vivo impartida por un instructor en <ubic> (en línea o presencial) está dirigida a desarrolladores de nivel principiante e intermedio que desean instalar y usar ROCm en Windows para programar GPUs de AMD y explotar su paralelismo.

Al final de esta formación, los participantes podrán:

• 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 una adición 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.
• Utilizar funciones incorporadas, variables y bibliotecas de HIP para realizar tareas y operaciones comunes.
• Usar los espacios de memoria de ROCm y HIP, como global, compartido, constante y local, para optimizar las transferencias de datos y el acceso a la memoria.
• Utilizar los modelos de ejecución de ROCm y HIP para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas de ROCm y HIP utilizando herramientas como ROCm Debugger y ROCm Profiler.
• Optimizar programas de ROCm y HIP utilizando técnicas como agrupación (coalescing), almacenamiento en caché, precarga (prefetching) y perfilado.

Esta formación presencial impartida por instructores en <ubicación> (en línea o in situ) está dirigida a desarrolladores de nivel principiante e intermedio que deseen utilizar ROCm y HIP para programar GPUs AMD y explotar su paralelismo.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya la plataforma ROCm, una GPU AMD y Visual Studio Code.
• Crear un programa básico de ROCm que realice una suma de vectores en la GPU y obtenga los resultados de 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.
• Utilizar el lenguaje HIP para escribir kernels que se ejecuten en la GPU y manipulen datos.
• Utilizar las funciones integradas, variables y bibliotecas de HIP para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria de ROCm y HIP, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar los modelos de ejecución de ROCm y HIP para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas de ROCm y HIP utilizando herramientas como el depurador de ROCm y el perfilador de ROCm.
• Optimizar programas de ROCm y HIP utilizando técnicas como la coalescencia, el almacenamiento en caché, la prebúsqueda y la medición de rendimiento.

Esta formación en vivo impartida por un instructor en Lima (en línea o presencial) está dirigida a desarrolladores de nivel principiante e intermedio que desean utilizar CUDA para programar GPUs NVIDIA y explotar su paralelismo.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya el CUDA Toolkit, una GPU NVIDIA y Visual Studio Code.
• Crear un programa básico de CUDA que realice la adición de vectores en la GPU y obtenga 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, ejecutar kernels y sincronizar hilos.
• Utilizar el lenguaje C/C++ de CUDA para escribir kernels que se ejecuten en la GPU y manipulen datos.
• Utilizar funciones, variables y bibliotecas integradas de CUDA para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria de CUDA, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar el modelo de ejecución de CUDA para controlar los hilos, bloques y rejillas que definen el paralelismo.
• Depurar y probar programas de CUDA utilizando herramientas como CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar programas de CUDA utilizando técnicas como la coalescencia, el almacenamiento en caché, la precarga y la perfilización.

97 % de clientes satisfechos.

Esta formación en vivo con instructor en Lima (en línea o presencial) está dirigida a administradores de sistemas y profesionales de TI de nivel principiante que deseen instalar, configurar, gestionar y resolver problemas de entornos CUDA.

Al finalizar esta formación, 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 de CUDA.

Esta formación en vivo con instructor en Lima (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar OpenCL para programar dispositivos heterogéneos y explotar su paralelismo.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya el SDK de OpenCL, un dispositivo que admita OpenCL y Visual Studio Code.
• Crear un programa básico de OpenCL que realice una 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, búferes, kernels y eventos.
• Utilizar el lenguaje C de OpenCL para escribir kernels que se ejecuten en el dispositivo y manipulen datos.
• Utilizar las funciones integradas, 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 las transferencias de datos y los accesos a la memoria.
• Utilizar el modelo de ejecución de OpenCL para controlar los work-items, grupos de trabajo (work-groups) y rangos ND.
• Depurar y probar programas de OpenCL utilizando herramientas como CodeXL, Intel VTune y NVIDIA Nsight.
• Optimizar programas de OpenCL utilizando técnicas como vectorización, desenrollado de bucles, memoria local y perfilado.

Esta formación en vivo impartida por un instructor en Lima (en línea o presencial) está dirigida a desarrolladores de C++ que desean usar 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 en vivo con instructor en Lima (en línea o presencial) está dirigida a desarrolladores C/C++ que deseen usar CUDA para acelerar aplicaciones intensivas en cómputo, incluyendo procesamiento de datos, simulaciones científicas, cargas de trabajo de aprendizaje automático y tuberías de procesamiento de imágenes.

Esta formación en vivo dirigida por instructores en Lima (en línea o presencial) 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 computador, procesamiento del lenguaje natural y aplicaciones multimodales.

Este curso en vivo con instructor en Lima cubre cómo programar GPUs para computación paralela, cómo usar diversas plataformas, cómo trabajar con la plataforma CUDA y sus características, y cómo realizar varias técnicas de optimización utilizando CUDA. Algunas de las aplicaciones incluyen aprendizaje profundo, análisis, procesamiento de imágenes y aplicaciones de ingeniería.